MindMemOS – ہواوے نوحہ آرک لیب کا اوپن سورس AI Agent میموری آپریٹنگ سسٹم آپریشن میں

MindMemOS ہواوے نوحہ آرک لیب کا اوپن سورس AI Agent میموری آپریٹنگ سسٹم ہے، جو Agent کے استعمال کے بعد سب کچھ بھول جانے کے مسئلے کو حل کرتا ہے۔ یہ نظام میموری کو کسی ایک Agent سے الگ کر کے مختلف فریم ورکس میں دوبارہ قابلِ استعمال آزاد اثاثہ بناتا ہے، اور entity-attribute-time کے سہ جہتی ڈھانچے کے ذریعے تازہ ترین حالت اور مکمل ارتقائی تاریخ محفوظ کرتا ہے۔ MindMemOS Dreaming کے ذریعے میموری کو آف لائن منظم کرتا ہے، Feedback کے ذریعے صارف کی اصلاحی علامات دریافت کرتا ہے، اور Skill Evolution کے ذریعے حقیقی عمل درآمد کے ریکارڈ کی بنیاد پر مہارتوں کو مسلسل ترقی دیتا ہے، یوں میموری اور نظام کا مشترکہ ارتقا ممکن بناتا ہے۔

WeChat پر فالو کریں اور “اوپن سورس” کا جواب دے کر AI اوپن سورس پروجیکٹس کے گروپ میں شامل ہوں
3D میموری ڈھانچہ: entities، attributes اور time کے سہ جہتی نقاط کے ذریعے میموری کو منظم کریں، attributes کی تبدیلی کے مراحل اور entities کے درمیان معنوی تعلقات کا سراغ لگائیں۔
دوہری طرز کی میموری اخذ کاری: MindVanilla کھلے میدان میں بغیر template کے تیز اندراج فراہم کرتا ہے؛ MindSchema موڈ پہلے سے متعین entities اور attribute قواعد کے ذریعے مختلف کاروباری منظرناموں سے مطابقت پیدا کرتا ہے۔
Compact Search بازیابی: بیرونی Agentic ماڈیول بازیابی کے راستے منصوبہ بند کرتا ہے، جبکہ اندرونی ماڈیول entity کی الٹی تلاش، متعدد مراحل پر مشتمل تعلقات کی توسیع، timeline tracking اور دیگر متعدد راستوں سے تلاش انجام دیتا ہے۔
Dreaming آف لائن تنظیم: آف لائن مرحلے میں تکرار، تضاد اور ارتقائی تعلقات کی شناخت، اضافی معلومات کا انضمام، غیر مؤثر ورژنز کی آرکائیو کاری اور اعلیٰ سطحی نمونوں کی تکمیل کی جاتی ہے۔
Feedback فیڈبیک لوپ: واضح اور غیر واضح دونوں قسم کے فیڈبیک کو سپورٹ کرتا ہے، سگنل کی قسم کا تعین کرنے کے بعد اضافہ، اپ ڈیٹ، آرکائیو، حذف یا تقویت کی کارروائی انجام دیتا ہے۔
Skill Evolution: حقیقی عمل درآمد کے ریکارڈ سے کامیاب حکمتِ عملی اور ناکامی کے نمونے خودکار طور پر اخذ کرتا ہے، Skill میں ترمیم کا منصوبہ بناتا ہے اور ورژنز کو تکراری طور پر ترقی دیتا ہے۔

ریپوزٹری کلون کریں اور configuration تیار کریں: cp .env.example .env اور cp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml، پھر configuration فائل میں chat_model_router، embed_model_router، rerank_model_router اور API key سیٹ کریں۔
سروس شروع کریں: مکمل Docker dependency stack اور FastAPI سروس شروع کرنے کے لیے make dev چلائیں (ڈیفالٹ پورٹ 8000)، یا صرف بنیادی dependencies شروع کرنے کے لیے make dev-core چلائیں۔
SDK انسٹال اور configure کریں: pip install mindmemos-sdk چلائیں، پھر mindmemos auth کے ذریعے base_url، api_key اور user_id configure کریں۔
میموری شامل اور تلاش کریں: گفتگو یا facts لکھنے کے لیے SDK کے ذریعے client.memory.add() کال کریں، اور بازیابی کے لیے client.memory.search() استعمال کریں۔
فیڈبیک جمع کریں: واضح یا غیر واضح اصلاحی سگنل جمع کرانے کے لیے client.memory.feedback() یا CLI کمانڈ mindmemos memory feedback چلائیں۔
Dreaming شروع کریں: آف لائن میموری مضبوط بنانے کے لیے mindmemos memory dreaming چلائیں یا dreaming API کال کریں۔
Skill رجسٹر اور ارتقا دیں: مقامی Skill رجسٹر کرنے کے لیے mindmemos skill register استعمال کریں، اور عمل درآمد کے ریکارڈ کی بنیاد پر ورژن کا ارتقا شروع کرنے کے لیے mindmemos skill evolve چلائیں۔

پروجیکٹ کی ویب سائٹ: https://mindmemos.cn/
GitHub ریپوزٹری: https://github.com/mindscale-noah/MindMemOS

قابلِ منتقلی میموری: Agent انضمام کی تہہ، میموری الگورتھم کی تہہ اور میموری ڈھانچے کی تہہ کو الگ کرتا ہے، جس سے میموری ایک آزاد طویل مدتی اثاثے کے طور پر مختلف ایپلی کیشنز میں دوبارہ استعمال ہو سکتی ہے۔
ساختی بازیابی میں برتری: LoCoMo کی مجموعی درستگی 94.03% (SOTA)، جبکہ PersonaMem کی 70.63% ہے، جو Mem0، MemU، Zep اور EverOS سمیت دیگر حلوں سے نمایاں طور پر بہتر ہے۔
کم ہی بہتر میموری معیار: فعال میموری کے 19.4%-23.5% کو کمپریس کرتے ہوئے Dreaming سوال و جواب کی درستگی میں زیادہ سے زیادہ 10.3 فیصد پوائنٹس کا اضافہ کرتا ہے۔
Skill کا خود ارتقا: غیر موزوں ابتدائی Skill کی کارکردگی بغیر Skill کی بنیادی سطح سے بھی کم رہی، جبکہ MindEvolve-Sup نے کام کی کامیابی کی شرح 51.3% سے بڑھا کر 57.2% کر دی، جو تجربے کو قواعد میں ڈھالنے کی قدر ثابت کرتا ہے۔
فیڈبیک پر مبنی ارتقا: Feedback میکانزم صارف کے اصلاحی سگنلز کو میموری اخذ کاری اور بازیابی کی حکمتِ عملی پر اثر انداز کرتا ہے۔
متعدد طریقۂ ہائے انضمام: مقامی تعیناتی (Docker + FastAPI)، کلاؤڈ API، Python SDK، CLI اور OpenClaw پلگ ان کو سپورٹ کرتا ہے۔

ذاتی AI معاون: صارف کی ترجیحات، پروجیکٹ کا پس منظر اور سابقہ غلطیوں کے تجربات کو مختلف سیشنز میں محفوظ رکھتا ہے، تاکہ ہر بار Agent کو دوبارہ تربیت نہ دینی پڑے۔
متعدد Agent کا اشتراکی پلیٹ فارم: ایک ہی میموری لائبریری OpenClaw، Hermes، Claude Code، OpenHands اور دیگر مختلف Agents کو اشتراک اور دوبارہ استعمال کے لیے دستیاب ہوتی ہے۔
خودکار الگورتھم ڈیزائن (LLM4AD): الگورتھم کی تلاش میں حاصل مؤثر تجربات اور غلطیوں سے بچنے کی رہنمائی کو قابلِ تلاش اور دوبارہ قابلِ استعمال تین سطحی میموری میں منظم کرتا ہے۔
پیچیدہ دفتری خودکاری: Skill Evolution کی بنیاد پر اسپریڈشیٹ پروسیسنگ، دستاویز ایڈیٹنگ اور دیگر تکراری کاموں کی عمل درآمد حکمتِ عملی کو مسلسل بہتر بناتا ہے۔
طویل مدتی صارف پروفائل کی تشکیل: وقت کے ساتھ صارف کی attributes میں ہونے والی تبدیلیوں کا سراغ لگاتا ہے، اور ذاتی سفارشات و سماجی منصوبہ بندی کو سپورٹ کرتا ہے۔