Active Memory
模型跨对话携带用户关键信息的能力，无需用户手动保存或调用，涉及记忆的写入、检索与遗忘三层机制
核心事实
时间轴 (近 90 天)
Active Memory 是 Meta Muse Wonder 的一项能力，能够跨对话携带重要信息，并在当前任务需要时召回相关细节。
Active Memory是一套在后台持续运行的动态语义记忆子系统，可持续追踪用户偏好、约束条件和历史决策，并在不同会话间主动召回相关细节
Active Memory把历史会话抽象成结构化事实，只检索注入少量相关向量，其缓存读取仅$0.20/百万token，远低于重复灌入历史对话的成本
Active Memory指模型跨会话持久化用户偏好、项目上下文与历史决策，并在后续对话中主动调用；Active Focus是围绕既定目标维持多步执行、失败后换策略、遇阻继续推进的机制。
Meta 描述了两个模型特性：Active Memory 跨对话携带相关上下文，Active Focus 在困难目标上持续尝试不同路径并在关键操作前确认。
Muse Wonder聚焦主动记忆（Active Memory）和主动专注（Active Focus）两大功能。
记忆层负责存储、检索和管理Agent在交互过程中积累的信息，使其能跨会话保持连续性
全部知识事实 (7)
Meta 描述了两个模型特性：Active Memory 跨对话携带相关上下文，Active Focus 在困难目标上持续尝试不同路径并在关键操作前确认。
65%部分验证Muse Wonder聚焦主动记忆（Active Memory）和主动专注（Active Focus）两大功能。
65%待验证Active Memory 是 Meta Muse Wonder 的一项能力，能够跨对话携带重要信息，并在当前任务需要时召回相关细节。
50%待验证Active Memory把历史会话抽象成结构化事实，只检索注入少量相关向量，其缓存读取仅$0.20/百万token，远低于重复灌入历史对话的成本
50%待验证Active Memory是一套在后台持续运行的动态语义记忆子系统，可持续追踪用户偏好、约束条件和历史决策，并在不同会话间主动召回相关细节
50%待验证Active Memory指模型跨会话持久化用户偏好、项目上下文与历史决策，并在后续对话中主动调用；Active Focus是围绕既定目标维持多步执行、失败后换策略、遇阻继续推进的机制。
50%待验证记忆层负责存储、检索和管理Agent在交互过程中积累的信息，使其能跨会话保持连续性
50%