MemOS：它是什么、解决了什么问题以及为何受到关注

它解决了什么

MemOS 旨在克服标准 LLM 记忆的局限性，提供一种持久的、长期的记忆系统，该系统具备上下文感知和个性化特性。它用可检查、可编辑的图结构记忆取代了“黑箱”嵌入存储，降低了 token 使用量，并提升了长期检索和个性化任务的准确性。

工作原理

MemOS 充当“记忆操作系统”，统一信息的存储、检索和管理。它采用分层架构来演进记忆：

• L1 跟踪：存储原始交互历史。
• L2 策略：学习用户偏好和行为。
• L3 世界模型：构建对用户的深度理解。
• 结晶技能：从交互中提取可复用的模式。

它提供 统一记忆 API 用于管理记忆，配备 MemScheduler 实现异步摄取以保持低延迟，并支持多模态输入（文本、图像、工具跟踪）以及多立方体知识库，以实现不同代理和用户之间的隔离或共享记忆。

适用人群

为构建需要复杂长期记忆、个性化以及跨多个用户或项目管理知识库的 AI 代理（如 Hermes Agent 或 OpenClaw）和 LLM 应用的开发者而设计。

亮点

• 多模态记忆：原生支持文本、图像和工具使用历史。
• 图结构：记忆可通过自然语言反馈进行检查和编辑，而不是隐藏的向量存储。
• 自我演进：自动从原始跟踪演进到高级世界模型和技能。
• 高性能：声称相较于 OpenAI Memory 显著提升准确性，并将 token 消耗降低 35%‑72%。
• 灵活部署：提供托管的云 API 或支持多种 LLM 提供商（OpenAI、DeepSeek、Ollama 等）的自托管 Docker 部署。

---

摘要： MemOS 是面向 LLM 和 AI 代理的记忆操作系统，提供持久的、图结构的长期记忆系统，以实现个性化和上下文感知的交互。

标题： MemOS：它是什么、解决了什么问题以及为何受到关注