MindMemOS – Hệ điều hành bộ nhớ AI Agent mã nguồn mở do Huawei Noah's Ark Lab phát hành Đang hoạt động

MindMemOS là hệ điều hành bộ nhớ AI Agent mã nguồn mở của Phòng thí nghiệm Noah's Ark thuộc Huawei, giúp giải quyết vấn đề Agent dùng xong là quên. Hệ thống tách bộ nhớ khỏi từng Agent riêng lẻ để trở thành tài sản độc lập có thể tái sử dụng xuyên framework, đồng thời sử dụng cấu trúc ba chiều thực thể - thuộc tính - thời gian để lưu trạng thái mới nhất và toàn bộ lịch sử biến đổi. MindMemOS thực hiện sắp xếp bộ nhớ ngoại tuyến thông qua Dreaming, khai thác tín hiệu hiệu chỉnh của người dùng bằng Feedback, và liên tục tiến hóa kỹ năng dựa trên quỹ đạo thực thi thực tế với Skill Evolution, qua đó thúc đẩy sự tiến hóa đồng thời của bộ nhớ và hệ thống.

Theo dõi WeChat và trả lời “开源” để tham gia nhóm trao đổi dự án AI mã nguồn mở
Cấu trúc bộ nhớ 3D: tổ chức bộ nhớ bằng tọa độ ba chiều gồm thực thể, thuộc tính và thời gian, theo dõi quỹ đạo biến đổi của thuộc tính cùng mối liên hệ ngữ nghĩa giữa các thực thể.
Trích xuất bộ nhớ hai chế độ: MindVanilla nhanh chóng nhập dữ liệu cho miền mở mà không cần mẫu; chế độ MindSchema thiết lập trước các quy tắc về thực thể và thuộc tính, phù hợp với nhiều tình huống nghiệp vụ.
Truy xuất Compact Search: mô-đun Agentic bên ngoài lập kế hoạch đường dẫn truy xuất, còn mô-đun bên trong thực hiện tìm kiếm đa đường dẫn như truy vấn ngược thực thể, mở rộng quan hệ nhiều bước và theo dõi dòng thời gian.
Sắp xếp ngoại tuyến bằng Dreaming: nhận diện các mối quan hệ trùng lặp, xung đột và tiến hóa trong giai đoạn ngoại tuyến, hợp nhất dữ liệu dư thừa, lưu trữ các phiên bản không còn hiệu lực và bổ sung các mẫu cấp cao hơn.
Vòng phản hồi Feedback: hỗ trợ phản hồi rõ ràng và ngầm định; sau khi xác định loại tín hiệu, hệ thống thực hiện thao tác thêm, cập nhật, lưu trữ, xóa hoặc tăng cường.
Skill Evolution: tự động trích xuất chiến lược thành công và mô hình thất bại dựa trên quỹ đạo thực thi thực tế, tạo kế hoạch sửa đổi Skill và lặp lại các phiên bản.

Sao chép kho lưu trữ và chuẩn bị cấu hình: cp .env.example .env và cp config/mindmemos/dev.example.yaml config/mindmemos/dev.yaml, sau đó thiết lập chat_model_router, embed_model_router, rerank_model_router và API key trong tệp cấu hình.
Khởi động dịch vụ: chạy make dev để khởi động toàn bộ ngăn xếp phụ thuộc Docker và dịch vụ FastAPI (cổng mặc định 8000), hoặc make dev-core để chỉ khởi động các phần phụ thuộc cốt lõi.
Cài đặt và cấu hình SDK: pip install mindmemos-sdk, sau đó chạy mindmemos auth để cấu hình base_url, api_key và user_id.
Thêm và truy xuất bộ nhớ: gọi client.memory.add() thông qua SDK để ghi các cuộc hội thoại hoặc sự kiện, rồi sử dụng client.memory.search() để thực hiện truy xuất.
Gửi phản hồi: gọi client.memory.feedback() hoặc CLI mindmemos memory feedback để gửi tín hiệu hiệu chỉnh rõ ràng hoặc ngầm định.
Kích hoạt Dreaming: chạy mindmemos memory dreaming hoặc gọi API dreaming để củng cố bộ nhớ ngoại tuyến.
Đăng ký và tiến hóa Skill: sử dụng mindmemos skill register để đăng ký Skill cục bộ, sau đó dùng mindmemos skill evolve để kích hoạt tiến hóa phiên bản dựa trên quỹ đạo thực thi.

Trang web dự án：https://mindmemos.cn/
Kho GitHub：https://github.com/mindscale-noah/MindMemOS

Bộ nhớ có thể di chuyển: tách lớp tích hợp Agent, lớp thuật toán bộ nhớ và lớp cấu trúc bộ nhớ, để bộ nhớ trở thành tài sản dài hạn độc lập có thể tái sử dụng xuyên ứng dụng.
Dẫn đầu về truy hồi có cấu trúc: độ chính xác tổng thể trên LoCoMo đạt 94.03% (SOTA), PersonaMem đạt 70.63%, vượt trội rõ rệt so với các giải pháp như Mem0, MemU, Zep và EverOS.
Chất lượng bộ nhớ theo nguyên tắc càng ít càng tốt: Dreaming nén 19.4%-23.5% bộ nhớ đang hoạt động, đồng thời tăng độ chính xác hỏi đáp tối đa 10.3 điểm phần trăm.
Skill tự tiến hóa: Skill ban đầu chưa được tối ưu thậm chí thấp hơn đường cơ sở không có Skill, trong khi MindEvolve-Sup nâng tỷ lệ hoàn thành tác vụ từ 51.3% lên 57.2%, chứng minh giá trị của việc tích lũy kinh nghiệm thành quy tắc.
Tiến hóa dựa trên phản hồi: cơ chế Feedback đưa tín hiệu hiệu chỉnh của người dùng tác động ngược trở lại chiến lược trích xuất và truy xuất bộ nhớ.
Nhiều phương thức tích hợp: hỗ trợ triển khai cục bộ (Docker + FastAPI), API đám mây, Python SDK, CLI và plugin OpenClaw.

Trợ lý AI cá nhân hóa: lưu giữ sở thích, bối cảnh dự án và kinh nghiệm tránh lỗi trong các phiên, tránh phải huấn luyện lại Agent mỗi lần.
Nền tảng phối hợp nhiều Agent: cùng một kho bộ nhớ cho phép OpenClaw, Hermes, Claude Code, OpenHands và các Agent khác chia sẻ, tái sử dụng.
Thiết kế thuật toán tự động (LLM4AD): hệ thống hóa kinh nghiệm hiệu quả và hướng dẫn tránh lỗi trong quá trình tìm kiếm thuật toán thành bộ nhớ ba lớp có thể truy xuất và tái sử dụng.
Tự động hóa văn phòng phức tạp: liên tục tối ưu hóa chiến lược thực thi các tác vụ lặp lại như xử lý bảng tính và chỉnh sửa tài liệu dựa trên Skill Evolution.
Xây dựng hồ sơ người dùng dài hạn: theo dõi quỹ đạo thay đổi thuộc tính của người dùng theo thời gian, hỗ trợ đề xuất cá nhân hóa và lập kế hoạch xã hội.