MemTensor/MemOS
Self-evolving memory OS for LLM & AI Agents: ultra-persistent memory, hybrid-retrieval, and cross-task skill reuse, with 35.24% token savings
What it solves
MemOS는 AI 에이전트에게 영구적인 장기 기억을 제공하여, 에이전트가 시간이 지나면서 컨텍스트, 사용자 선호도 및 과거 상호작용을 잊어버리는 문제를 해결합니다. 기억을 "블랙박스" 임베딩 저장소에서 검사 및 편집이 가능한 시스템으로 전환하여, 에이전트가 경험을 통해 능력을 성장하고 진화시킬 수 있게 합니다.
How it works
MemOS는 "Memory Operating System"으로 작동하며, 정보의 저장, 검색 및 관리를 통합합니다. 그래프 기반 구조를 사용해 기억을 구성함으로써 데이터 포인트 간의 복잡한 관계를 가능하게 합니다. 시스템은 텍스트, 이미지, 툴 트레이스 및 페르소나를 포함한 멀티모달 기억을 지원하고, 지식 베이스를 "memory cubes"로 조직하여 제어된 공유와 격리를 구현합니다.
프로덕션 안정성을 보장하기 위해 낮은 지연 시간의 비동기 메모리 수집을 담당하는 MemScheduler를 포함하고 있습니다. 또한 자연어 피드백을 통한 메모리 교정 기능을 제공하여 사용자나 에이전트가 기존 기억을 정제할 수 있습니다.
Who it’s for
- AI Agent Developers: 어시스턴트, 고객 지원 봇 또는 일관되고 컨텍스트가 풍부한 상호작용이 필요한 개인화 에이전트를 구축하는 개발자.
- Enterprise Users: 여러 에이전트와 프로젝트 간에 격리되거나 공유된 메모리가 필요한 팀.
- Local-First Developers: Hermes Agent 또는 OpenClaw를 사용하며 SQLite를 통해 100% 디바이스 내 메모리를 원하는 개발자.
Highlights
- Unified Memory API: 메모리 추가, 검색, 편집 및 삭제를 위한 단일 인터페이스.
- Multi-Modal Support: 텍스트, 이미지 및 툴 트레이스를 하나의 시스템에서 네이티브하게 처리.
- Memory Cubes: 동적 구성 및 격리를 가능하게 하는 조합 가능한 지식 베이스.
- Asynchronous Ingestion: MemScheduler를 통한 고동시성 지원.
- Tiered Skill Evolution: 로컬 플러그인이 L1 트레이스에서 L3 월드 모델 및 결정화된 스킬로 기억을 진화시킴.
- Hybrid Retrieval: FTS5와 벡터 검색을 결합하여 보다 정확한 회상을 구현.