MindMemOS - 华为诺亚方舟开源的 AI Agent 记忆操作系统 - AiBoss

MindMemOS是什么

MindMemOS 是华为诺亚方舟实验室开源的 AI Agent 记忆操作系统，能解决 Agent 用完即忘的痛点。系统将记忆从单个 Agent 中解耦为可跨框架复用的独立资产，采用实体-属性-时间三维结构保存最新状态与完整演变轨迹。MindMemOS 通过 Dreaming 离线整理记忆、Feedback 挖掘用户纠偏信号、Skill Evolution 基于真实执行轨迹持续演化技能，实现记忆与系统的共同进化。

MindMemOS的主要功能

3D 记忆结构：用实体、属性、时间三维坐标组织记忆，追踪属性演变轨迹与实体间语义关联。
双模式记忆提取：MindVanilla 开放域无模板快速入库；MindSchema 模式预设实体与属性规则，适配不同业务场景。
Compact Search 检索：外层 Agentic 模块规划检索路径，内层执行实体反查、多跳关系扩展、时间线追踪等多路径搜索。
Dreaming 离线整理：离线阶段识别重复、冲突与演化关系，合并冗余、归档失效版本、补充高阶模式。
Feedback 反馈闭环：支持显式与隐式反馈，判断信号类型后执行新增、更新、归档、删除或强化操作。
Skill Evolution：基于真实执行轨迹自动提取成功策略与失败模式，生成 Skill 修改计划并迭代版本。

微信关注回复“开源”，加入AI开源项目交流群

如何使用MindMemOS

克隆仓库并准备配置：cp .env.example .env 和 cp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml，在配置文件中设置 chat_model_router、embed_model_router、rerank_model_router 及 API key。
启动服务：执行 make dev 启动完整 Docker 依赖栈与 FastAPI 服务（默认端口 8000），或 make dev-core 仅启动核心依赖。
安装并配置 SDK：pip install mindmemos-sdk，运行 mindmemos auth 配置 base_url、api_key 和 user_id。
添加与检索记忆：通过 SDK 调用 client.memory.add() 写入对话或事实，使用 client.memory.search() 执行检索。
提交反馈：调用 client.memory.feedback() 或 CLI mindmemos memory feedback 提交显式或隐式纠偏信号。
触发 Dreaming：执行 mindmemos memory dreaming 或调用 dreaming API 进行离线记忆巩固。
注册与演化 Skill：通过 mindmemos skill register 注册本地 Skill，使用 mindmemos skill evolve 基于执行轨迹触发版本演进。

MindMemOS的项目地址

项目官网：https://mindmemos.cn/
GitHub仓库：https://github.com/mindscale-noah/MindMemOS

MindMemOS的核心优势

记忆可迁移：解耦 Agent 接入层、记忆算法层与记忆结构层，记忆作为独立长期资产跨应用复用。
结构化召回领先：LoCoMo 整体准确率达 94.03%（SOTA），PersonaMem 达 70.63%，显著优于 Mem0、MemU、Zep、EverOS 等方案。
少即是多的记忆质量：Dreaming 在压缩 19.4%-23.5% 活跃记忆的同时，将问答准确率最高提升 10.3 个百分点。
Skill 自演进：未经优化的初始 Skill 反而低于无 Skill 基线，而 MindEvolve-Sup 将任务成功率从 51.3% 提升至 57.2%，证明经验沉淀为规则的价值。
反馈驱动进化：Feedback 机制将用户纠偏信号反向作用于记忆提取与检索策略。
多接入方式：支持本地部署（Docker + FastAPI）、云端 API、Python SDK、CLI 及 OpenClaw 插件。

MindMemOS的同类竞品对比

维度	MindMemOS	Mem0
记忆结构	实体-属性-时间三维图结构，追踪演变轨迹	文本片段/向量块，扁平存储
记忆提取	MindVanilla + MindSchema 双模式，可预设领域规则	固定模板提取，通用性强但灵活性弱
记忆整理	Dreaming 离线主动巩固，自动消解冲突与冗余	无离线整理机制，依赖查询时模型判断
反馈闭环	显式+隐式反馈，反向优化提取与检索策略	支持显式反馈，主要修改单条记忆
Skill 演进	基于真实轨迹自动演化 Skill 版本	无 Skill 演进能力
跨 Agent 迁移	解耦架构，支持多框架共享同一记忆库	记忆绑定于 Mem0 平台内
LoCoMo 准确率	94.03%	64.20%
开源协议	MIT	MIT

MindMemOS的应用场景

个性化 AI 助手：跨会话保留用户偏好、项目背景与历史踩坑经验，避免每次重新养Agent。
多 Agent 协作平台：同一记忆库供 OpenClaw、Hermes、Claude Code、OpenHands 等不同 Agent 共享复用。
自动算法设计（LLM4AD）：将算法搜索中的有效经验与避坑指南系统化为可检索、可复用的三层记忆。
复杂办公自动化：基于 Skill Evolution 持续优化表格处理、文档编辑等重复性任务的执行策略。
长期用户画像构建：追踪用户属性随时间的变化轨迹，支持个性化推荐与社交规划。