AutoViewMem 是一种数据驱动框架，先在写入阶段将对话长期记忆组织为自配置、低重叠的语义视图，再进行索引。框架从交互轨迹中发现候选视图，挑选出紧凑且互补的视图集合，并利用这些视图在写入时进行基于来源的结构化抽取，生成可追溯的记忆条目。
通过把语义解耦从检索时移到写入时，标准的 top‑K 相似度搜索即可检索到聚焦证据，无需显式路由或迭代检索。离线合并步骤进一步提升记忆的紧凑性和一致性。
实验在 LoCoMo 与 PersonaMem 基准上，使用 Qwen3‑8B 与 Qwen3‑14B 骨干模型，显示 AutoViewMem 在长时段问答和个性化表现上优于强记忆基线，同时保持推理流程简洁。点评