MindMemOS – 華爲諾亞方舟開源的 AI Agent 記憶操作系統

AI工具4天前發佈新公告 AI管理員
0 0

MindMemOS是什麼

MindMemOS 是華爲諾亞方舟實驗室開源的 AI Agent 記憶操作系統,能解決 Agent 用完即忘的痛點。系統將記憶從單個 Agent 中解耦爲可跨框架複用的獨立資產,採用實體-屬性-時間三維結構保存最新狀態與完整演變軌跡。MindMemOS 通過 Dreaming 離線整理記憶、Feedback 挖掘用戶糾偏信號、Skill Evolution 基於真實執行軌跡持續演化技能,實現記憶與系統的共同進化。

MindMemOS – 華爲諾亞方舟開源的 AI Agent 記憶操作系統

MindMemOS的主要功能

  • 3D 記憶結構:用實體、屬性、時間三維座標組織記憶,追蹤屬性演變軌跡與實體間語義關聯。
  • 雙模式記憶提取:MindVanilla 開放域無模板快速入庫;MindSchema 模式預設實體與屬性規則,適配不同業務場景。
  • Compact Search 檢索:外層 Agentic 模塊規劃檢索路徑,內層執行實體反查、多跳關係擴展、時間線追蹤等多路徑搜索。
  • Dreaming 離線整理:離線階段識別重複、衝突與演化關係,合併冗餘、歸檔失效版本、補充高階模式。
  • Feedback 反饋閉環:支持顯式與隱式反饋,判斷信號類型後執行新增、更新、歸檔、刪除或強化操作。
  • Skill Evolution:基於真實執行軌跡自動提取成功策略與失敗模式,生成 Skill 修改計劃並迭代版本。

MindMemOS – 華爲諾亞方舟開源的 AI Agent 記憶操作系統

微信關注回覆“開源”,加入AI開源項目交流羣

如何使用MindMemOS

  • 克隆倉庫並準備配置cp .env.example .envcp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml,在配置文件中設置 chat_model_router、embed_model_router、rerank_model_router 及 API key。
  • 啓動服務:執行 make dev 啓動完整 Docker 依賴棧與 FastAPI 服務(默認端口 8000),或 make dev-core 僅啓動核心依賴。
  • 安裝並配置 SDKpip install mindmemos-sdk,運行 mindmemos auth 配置 base_url、api_key 和 user_id。
  • 添加與檢索記憶:通過 SDK 調用 client.memory.add() 寫入對話或事實,使用 client.memory.search() 執行檢索。
  • 提交反饋:調用 client.memory.feedback() 或 CLI mindmemos memory feedback 提交顯式或隱式糾偏信號。
  • 觸發 Dreaming:執行 mindmemos memory dreaming 或調用 dreaming API 進行離線記憶鞏固。
  • 註冊與演化 Skill:通過 mindmemos skill register 註冊本地 Skill,使用 mindmemos skill evolve 基於執行軌跡觸發版本演進。

MindMemOS的項目地址

  • 項目官網:https://mindmemos.cn/
  • GitHub倉庫:https://github.com/mindscale-noah/MindMemOS

MindMemOS的核心優勢

  • 記憶可遷移:解耦 Agent 接入層、記憶算法層與記憶結構層,記憶作爲獨立長期資產跨應用複用。
  • 結構化召回領先:LoCoMo 整體準確率達 94.03%(SOTA),PersonaMem 達 70.63%,顯著優於 Mem0、MemU、Zep、EverOS 等方案。
  • 少即是多的記憶質量:Dreaming 在壓縮 19.4%-23.5% 活躍記憶的同時,將問答準確率最高提升 10.3 個百分點。
  • Skill 自演進:未經優化的初始 Skill 反而低於無 Skill 基線,而 MindEvolve-Sup 將任務成功率從 51.3% 提升至 57.2%,證明經驗沉澱爲規則的價值。
  • 反饋驅動進化:Feedback 機制將用戶糾偏信號反向作用於記憶提取與檢索策略。
  • 多接入方式:支持本地部署(Docker + FastAPI)、雲端 API、Python SDK、CLI 及 OpenClaw 插件。

MindMemOS的同類競品對比

維度 MindMemOS Mem0
記憶結構 實體-屬性-時間三維圖結構,追蹤演變軌跡 文本片段/向量塊,扁平存儲
記憶提取 MindVanilla + MindSchema 雙模式,可預設領域規則 固定模板提取,通用性強但靈活性弱
記憶整理 Dreaming 離線主動鞏固,自動消解衝突與冗餘 無離線整理機制,依賴查詢時模型判斷
反饋閉環 顯式+隱式反饋,反向優化提取與檢索策略 支持顯式反饋,主要修改單條記憶
Skill 演進 基於真實軌跡自動演化 Skill 版本 無 Skill 演進能力
跨 Agent 遷移 解耦架構,支持多框架共享同一記憶庫 記憶綁定於 Mem0 平台內
LoCoMo 準確率 94.03% 64.20%
開源協議 MIT MIT

MindMemOS的應用場景

  • 個性化 AI 助手:跨會話保留用戶偏好、項目背景與歷史踩坑經驗,避免每次重新養Agent。
  • 多 Agent 協作平台:同一記憶庫供 OpenClaw、Hermes、Claude Code、OpenHands 等不同 Agent 共享複用。
  • 自動算法設計(LLM4AD):將算法搜索中的有效經驗與避坑指南系統化爲可檢索、可複用的三層記憶。
  • 複雜辦公自動化:基於 Skill Evolution 持續優化表格處理、文檔編輯等重複性任務的執行策略。
  • 長期用戶畫像構建:追蹤用戶屬性隨時間的變化軌跡,支持個性化推薦與社交規劃。
© 版權聲明

相關文章

暫無評論

暫無評論...