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。

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 .env和cp 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 SDK:
pip 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 CLImindmemos 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
文章版权归作者所有,未经允许请勿转载。
相關文章
暫無評論...