MindMemOS – 华为诺亚方舟开源的 AI Agent 记忆操作系统 运营中

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。

微信关注回复“开源”，加入AI开源项目交流群
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。

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。

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

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。

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。