一个中枢，统一治理企业与 AI 的长期记忆

Cape Cloud AI 不是聊天机器人，也不是第二套知识库；它是部署在本地的长期记忆治理与安全调用层。

产品是什么

Cape Cloud AI 可部署在工作站、NAS、边缘设备、私有服务器或企业内网中。它复用统一的 Agent Memory、Memory Center、Enterprise Data Candidate、Auto Review 与 Runtime Ledger 基础，在调用大模型、开发助手或 Agent 前完成记忆检索、权限判断、隐私过滤、任务结构化和调用控制。

把企业规则、知识资料、项目上下文、历史任务和确认结论沉淀在本地
把用户模糊输入转化为当前任务的结构化需求
把长期记忆划分为可外发、摘要外发、脱敏外发、本地-only 和禁止使用
把模型返回结果先变成草稿，安全校验通过并确认后才回写长期记忆

它不是什么

它不是普通聊天机器人，不是简单知识库，不是单纯 RAG，不是 Prompt 模板工具，也不是直接替代 ChatGPT 的模型产品。

它是什么

它是大模型和 Agent 前面的本地长期记忆控制层：先理解历史，再结构化当前任务；先判断记忆使用方式，再决定是否外发；先生成安全任务包，再调用模型；先校验返回结果，再允许确认回写。

核心处理链路

这条链路让使用者清楚看到记忆从哪里来、为什么被触发、如何参与任务，以及何时可以进入新版本。

本地长期记忆检索

从用户偏好、企业资料、项目上下文、历史任务、规则约束和任务结果中筛选当前任务相关内容。

上下文还原与任务级需求归纳

把“继续上次”“按之前风格”“客户还是老问题”等模糊输入还原为任务目标、历史版本、继承规则和排除内容。

记忆使用态控制

针对每条记忆判断当前任务中如何使用：直接外发、摘要外发、脱敏外发、本地理解、本地约束、人工审核或禁止使用。

外发任务包 + 本地控制包

模型只收到允许外发的结构化任务包；敏感原文、本地约束、返回校验规则和回写策略保留在本地控制包。

返回结果安全校验与确认回写

模型返回后，本地控制包继续检查隐私泄露、禁止事项、执行边界和记忆污染风险；确认后才写入长期记忆。

四个核心价值

统一记忆治理

企业规则、资料、项目历史与复盘结论形成有来源、有范围、有版本的长期记忆资产。

分域安全使用

敏感数据可在本地参与判断，但不直接暴露给外部模型或第三方 Agent。

全链路审计

每次任务的检索、触发、调用、结果、确认、拒绝和修改都有证据可查。

审批与回滚

候选记忆经过冲突检测和人工确认后才进入长期记忆，错误版本可以定位并回滚。