3700+ Star 的 MemOS：在 Claude 之前，就把 AI 的记忆和知识库分清楚了。

推荐语

MemOS：AI记忆管理的先行者，比Claude更早解决了长期记忆与知识库的难题，现已开源可用！

核心内容：
1. MemOS如何通过三层架构实现AI动态记忆管理
2. 项目核心功能：长期互动记忆、多模态支持、知识库共享
3. 与传统RAG方案的本质区别与优势

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

昨天刚被路透 Claude 的「Knowledge Base + Memory」将进行更新，本质上解决的是同一个老问题：

原生的 AI，每一次对话对模型来说都是第一次见你。模型不会记得你之前做过什么、怎么决策、有什么偏好。

要让 AI 看起来记得，我们只能在每次请求时，把历史上下文、用户信息、文档内容一股脑儿重新塞回去。

在逛 GitHub 的时候，我发现了一个已经 3700+ Star 的开源项目：MemOS。

它不是简单拉长上下文窗口，而是把记忆和知识库当成一等公民来管理，专门处理长期记忆、上下文连续性，以及跨对话的状态复用。以及，支持知识库。

更重要的是——

这些能力现在就已经能用。

MemOS 已经支持把文件、URL 等内容接入知识库，并在对话过程中持续更新记忆，让模型不再每次从零开始。项目也在持续维护和快速迭代中，不需要等下一代模型或“未来功能”。

如果你最近刚好在关注 Claude、Coworks 和知识库相关以及记忆机制，

那 MemOS 可以说是一个现在就能上手体验的版本。

MemOS 是行业首个 AI 记忆操作系统，它不仅仅是一个存储工具，通过首创的三层记忆操作架构，为 AI Agent 装上了海马体，让 AI 真正拥有了可成长、可管理的记忆能力。

01

开源项目简介

开源地址：https://github.com/MemTensor/MemOS

如果你不使用 MemOS，去管理 AI 应用的记忆：你通常要自己切分文档、做向量化、写检索逻辑，还得担心上下文超长。

MemOS 这个开源项目的的思路是：把记忆当成一种系统资源来管理，就像操作系统管理内存和硬盘一样。

它有一套完整的框架，让你的 AI 能够：

• 记住长期互动： 不只是几句对话，而是长期的用户偏好和经历。

• 自我进化： 随着对话增多，它对你的了解是动态更新的，而不是死的。

• 多模态记忆： 这点还是很强的，之处图片和文档/图表的理解与记忆，不再局限于纯文本。

• 知识库能力：你可以直接把文件接入 MemOS，形成可检索、可复用的长期知识资产。支持上传文件 / URL自动解析；一个知识库可被多个项目共享使用；对话持续进行时，记忆可动态更新与修正。

和 RAG 的区别

传统 RAG 方案的核心痛点在于它是无状态的，而 MemOS 提供的是动态的长期记忆。

具体区别可以看下面这两张图：

MemOS 架构

MemOS 的架构确实有点东西。它不仅仅是存取数据，它引入了调度  Scheduling) 的概念。它把记忆分成了好几种类型：

• 有存文本的 Textual Memory：比如你说了啥，有加速推理的 Activation Memory，这是为了省 token 和加速，甚至还有 Parametric Memory 存 LoRA 权重的。

• 工具记忆  Tool Memory： 它能记录 Agent 调用工具的轨迹。如果你的 Agent 上次用某个工具报错了，下次它可能就记得要换种用法。这才是真正的智能，而不是每次都掉进同一个坑里。

• Redis Streams 调度器： 这就很工程化了。为了处理高并发，它用 Redis Streams 搞了一套多级队列。

03

如何使用

① 创建知识库

你可以登录 MemOS 控制台创建一个新的知识库。然后把各种文件 PDF、Word 等上传至知识库。

MemOS 会自动完成存储、解析、分段和生成记忆。你需要等待文档状态显示为「可用」。在知识库列表页，复制刚刚创建的知识库 ID，后续代码中会用到：

② 准备环境

在 Python 环境中运行以下命令安装必要的库：

pip install OpenAI datetime

准备 API Key

MemOS API Key：去如下网站注册一下，然后打开 API 密钥控制台，生成一个 API 密钥复制一下。

地址：https://memos-dashboard.openmem.net/cn/quickstart/?source=landing

OpenAI API Key：准备你的大模型服务商 Key。

③ 代码实现核心逻辑

你需要编写一个 Python 脚本，先配置环境变量，在代码中设置 API Key 和 知识库 ID：

import osimport jsonos.environ["MEMOS_API_KEY"] = "你的_MemOS_Key"os.environ["OPENAI_API_KEY"] = "你的_OpenAI_Key"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1" # 替换为你的知识库 ID 列表os.environ["KNOWLEDGE_BASE_IDS"] = json.dumps(["你的_知识库ID"])

然后你只需要调用 MemOS 的三个核心 API，搜索记忆、添加消息、获取消息，就能让 AI 拥有一个能够记住用户偏好且不断进化的知识库。

④ 实例化助手：

ai_assistant = KnowledgeBaseAssistant()user_id = "test_user_001" # 定义一个用户ID

⑤ 启动对话循环：

创建一个 while 循环，接收用户输入 input，调用 ai_assistant.chat() 获取回复并打印。

还有其它的用法，感兴趣的去访问开源项目主页。

开源地址：https://github.com/MemTensor/MemOS

03

点击下方卡片，关注逛逛 GitHub

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：