MindMemOS – Huawei Noah's Arkがオープンソース化したAI Agent向けメモリOS 運営中

MindMemOSは、Huawei Noah's Ark Labがオープンソース化したAI Agent向けメモリOSで、Agentが使い終わるとすべてを忘れてしまうという課題を解決します。メモリを単一のAgentから切り離し、フレームワークをまたいで再利用できる独立資産として扱います。エンティティ・属性・時間の3次元構造を採用し、最新状態と完全な変遷履歴を保存します。MindMemOSは、Dreamingによるオフラインでのメモリ整理、Feedbackによるユーザーの修正シグナルの抽出、Skill Evolutionによる実際の実行履歴に基づくスキルの継続的な進化を通じて、メモリとシステムの共進化を実現します。

WeChatで「开源」と返信して、AIオープンソースプロジェクト交流グループに参加
3Dメモリ構造：エンティティ、属性、時間の3次元座標でメモリを整理し、属性の変遷履歴とエンティティ間の意味的な関連を追跡します。
デュアルモードのメモリ抽出：MindVanillaはテンプレート不要のオープンドメイン方式で迅速に登録でき、MindSchemaモードはエンティティと属性のルールを事前設定し、さまざまな業務シーンに適応します。
Compact Search検索：外部のAgenticモジュールが検索経路を計画し、内部でエンティティ逆引き、マルチホップ関係拡張、タイムライン追跡などの複数経路検索を実行します。
Dreamingによるオフライン整理：オフライン時に重複、競合、進化関係を識別し、冗長な情報を統合し、無効なバージョンをアーカイブし、高次のパターンを補完します。
Feedback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に対応し、シグナルの種類を判定したうえで、追加、更新、アーカイブ、削除、強化の操作を実行します。
Skill Evolution：実際の実行履歴に基づいて成功した戦略と失敗パターンを自動抽出し、Skillの変更計画を生成してバージョンを反復更新します。

リポジトリをクローンして設定を準備：cp .env.example .env と cp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml を実行し、設定ファイルで chat_model_router、embed_model_router、rerank_model_router および API key を設定します。
サービスを起動：make dev を実行して完全なDocker依存スタックとFastAPIサービスを起動します（デフォルトポートは8000）。または make dev-core でコア依存関係のみを起動します。
SDKをインストールして設定：pip install mindmemos-sdk を実行し、mindmemos auth で base_url、api_key、user_id を設定します。
メモリの追加と検索：SDKから client.memory.add() を呼び出して会話や事実を書き込み、client.memory.search() で検索を実行します。
フィードバックを送信：client.memory.feedback() またはCLIの mindmemos memory feedback を呼び出して、明示的または暗黙的な修正シグナルを送信します。
Dreamingを実行：mindmemos memory dreaming を実行するか、dreaming APIを呼び出してオフラインでメモリを強化します。
Skillの登録と進化：mindmemos skill register でローカルSkillを登録し、mindmemos skill evolve を使って実行履歴に基づくバージョン進化を開始します。

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

移行可能なメモリ：Agent接続レイヤー、メモリアルゴリズムレイヤー、メモリ構造レイヤーを分離し、メモリを独立した長期資産としてアプリケーション間で再利用できます。
構造化リコールで高い性能：LoCoMoの総合精度は94.03%（SOTA）、PersonaMemは70.63%に達し、Mem0、MemU、Zep、EverOSなどの方式を大きく上回ります。
少ないほど良いメモリ品質：Dreamingはアクティブメモリを19.4%-23.5%圧縮しながら、質問応答精度を最大10.3ポイント向上させます。
Skillの自己進化：最適化されていない初期SkillはSkillなしのベースラインを下回りますが、MindEvolve-Supはタスク成功率を51.3%から57.2%に向上させ、経験をルールとして蓄積する価値を示しています。
フィードバック駆動の進化：Feedback機構により、ユーザーの修正シグナルをメモリ抽出と検索戦略に反映します。
多様な接続方式：ローカルデプロイ（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ます。

パーソナライズドAIアシスタント：ユーザーの好み、プロジェクトの背景、過去の失敗経験をセッションをまたいで保持し、毎回Agentを一から学習させる必要をなくします。
マルチAgent協調プラットフォーム：OpenClaw、Hermes、Claude Code、OpenHandsなど、異なるAgentが同じメモリベースを共有・再利用できます。
自動アルゴリズム設計（LLM4AD）：アルゴリズム探索で得られた有効な経験や失敗回避の指針を、検索・再利用可能な3層メモリとして体系化します。
複雑な業務自動化：Skill Evolutionに基づき、表計算処理や文書編集などの反復作業における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構築：ユーザー属性の時間的な変化を追跡し、パーソナライズドレコメンデーションやソーシャルプランニングを支援します。