MindMemOS - ファーウェイのノアの箱舟向けオープンソースAIエージェントメモリオペレーティングシステム - AiBoss

MindMemOSとは何ですか？

MindMemOSは、Huawei Noah's Ark Labsが開発したオープンソースのAIエージェント向けメモリオペレーティングシステムで、エージェントが使用した内容を忘れてしまうという課題を解決します。このシステムは、個々のエージェントからメモリを分離し、フレームワーク間で再利用可能な独立したアセットとして提供します。最新の状態と完全な進化軌跡を保存するために、エンティティ・属性・時間の3次元構造を採用しています。MindMemOSは、Dreamingによるオフラインメモリ管理、Feedbackによるユーザー修正シグナルのマイニング、そして実際の実行軌跡に基づく継続的なスキル進化を通じて、メモリとシステムの共進化を実現します。

MindMemOSの主な機能

3Dメモリ構造エンティティ、属性、時間の三次元座標を用いて記憶を整理し、属性の進化とエンティティ間の意味的関係を追跡する。
デュアルモードメモリ取得MindVanillaは、テンプレート不要でオープンドメインを迅速にインポートすることを可能にします。MindSchemaは、さまざまなビジネスシナリオに対応できるよう、事前に定義されたエンティティおよび属性ルールを提供します。
コンパクト検索外側のエージェントモジュールは検索パスを計画し、内側のモジュールはエンティティ逆引き検索、複数ホップの関係展開、タイムライン追跡などのマルチパス検索を実行します。
ドリーミング・オフライン・オーガニゼーションオフラインフェーズでは、重複、競合、進化上の関係を特定し、冗長なバージョンを統合し、無効なバージョンをアーカイブし、より高次のパターンを補完します。
フィードバックループ明示的および暗黙的なフィードバックをサポートし、信号の種類を判別した後、追加、更新、アーカイブ、削除、または強化の操作を実行します。
Skill Evolution実際の実行軌跡に基づいて、成功した戦略と失敗したモードを自動的に抽出し、スキル修正計画を生成し、バージョンを繰り返します。

WeChatでフォローして「オープンソース「、参加するAIオープンソースプロジェクトに関するディスカッショングループ

MindMemOSの使い方

リポジトリをクローンし、設定を準備します。：cp .env.example .env そして cp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml設定ファイルで、chat_model_router、embed_model_router、rerank_model_router、およびAPIキーを設定してください。
サービスを開始する：埋め込む make dev 完全なDocker依存関係スタックとFastAPIサービス（デフォルトポート8000）を開始するか、 make dev-core コア依存関係のみを有効にしてください。
SDKをインストールして構成する：pip install mindmemos-sdk、走る mindmemos auth base_url、api_key、およびuser_idを設定します。
思い出の追加と取得SDK経由で呼び出し client.memory.add() 対話や事実を書きましょう。 client.memory.search() 検索を実行します。
フィードバックを送信する：電話 client.memory.feedback() またはCLI mindmemos memory feedback 明示的または暗黙的な修正信号を送信する。
夢を誘発する：埋め込む mindmemos memory dreaming あるいは、オフラインでのメモリ統合には、Dreaming APIを使用することもできます。
登録と進化スキル：合格 mindmemos skill register 地域固有のスキルを登録して活用しましょう。 mindmemos skill evolve バージョン進化は実行軌跡によって引き起こされる。

MindMemOSプロジェクトのアドレス

プロジェクト公式サイト：https://mindmemos.cn/
GitHubリポジトリ：https://github.com/mindscale-noah/MindMemOS

MindMemOSの主な利点

メモリは転送できますエージェントアクセス層、メモリアルゴリズム層、およびメモリ構造層を分離し、メモリをアプリケーション間で独立した長期資産として再利用する。
構造化されたリコールがリードLoCoMoは94.03%（SOTA）の総合精度を達成し、PersonaMemは70.63%を達成しました。これは、Mem0、MemU、Zep、EverOSなどのソリューションを大幅に上回る性能です。
メモリ品質においては、少ないほど良い。夢を見ることで、質問と回答の正確性が最大10.3パーセントポイント向上し、同時にアクティブメモリの19.4%～23.5%が圧縮される。
スキル自己進化最適化を行わない初期スキルは、実際にはスキルなしのベースラインよりも低かったが、MindEvolve-Supはタスクの成功率を51.3%から57.2%に向上させ、経験をルールに変換することの価値を証明した。
フィードバック駆動型進化フィードバック機構は、ユーザーからの修正信号を利用して、記憶の想起と検索戦略に影響を与える。
複数のアクセス方法ローカルデプロイメント（Docker + FastAPI）、クラウドAPI、Python SDK、CLI、およびOpenClawプラグインをサポートしています。

MindMemOSと類似の競合製品との比較

寸法	MindMemOS	Mem0
メモリ構造	エンティティ・属性・時間に基づく3Dグラフ構造、進化軌跡の追跡	テキスト断片/ベクターブロック、フラットストレージ
記憶の想起	MindVanillaとMindSchemaのデュアルモード、プリセットされたドメインルール付き。	固定テンプレート抽出は非常に汎用性が高いが、柔軟性に欠ける。
記憶の構成	Dreamingはオフラインでのアクティブな統合機能を備えており、競合や重複を自動的に解決します。	オフライン処理メカニズムは存在せず、クエリ実行時のモデル判断に依存している。
フィードバックループ	明示的フィードバックと暗黙的フィードバック：抽出および検索戦略の逆最適化	明示的なフィードバックをサポートし、主に個々のメモリエントリを修正します。
スキル進化	実際の軌道に基づく自動進化のスキルバージョン	スキル進化機能なし
エージェント間の移行	複数のフレームワークが同じメモリライブラリを共有できるように、疎結合アーキテクチャを採用しています。	このメモリはMem0プラットフォームにバインドされています。
LoCoMoの精度	94.03%	64.20%
オープンソースライセンス	MIT	MIT

MindMemOSの応用シナリオ

パーソナライズされたAIアシスタントユーザー設定、プロジェクトの背景情報、過去の失敗事例などをセッション間で保持するため、エージェントを毎回再トレーニングする必要がなくなります。
マルチエージェントコラボレーションプラットフォーム同じメモリは、OpenClaw、Hermes、Claude Code、OpenHandsなどの異なるエージェントによって共有および再利用される可能性がある。
自動アルゴリズム設計（LLM4AD）アルゴリズム検索から得られた効果的な経験と落とし穴回避ガイドラインは、検索可能で再利用可能な3層構造のメモリに体系化される。
高度なオフィスオートメーションスキル進化に基づき、表計算処理や文書編集といった反復作業の実行戦略を継続的に最適化します。
長期的なユーザープロファイルの構築ユーザー属性の経時的な変化を追跡することで、パーソナライズされたおすすめ情報やソーシャルプランニングを支援します。