@RookieRicardoR: MemOS 又有新进展了。 现在搞 AI Memory 的方案不少,但很多还是把聊天记录存下来这个层面,看着像有记忆,实际上就是给 markdown 加了一个语义检索。 @MemOS_dev 做记忆系统已经有一段时间了,从 1.0 一路走…
摘要
MemOS Local Plugin 2.0 更新上线,引入“执行即学习”功能,让智能体在执行任务时将关键步骤转化为可复用、可评分的认知资产,从而实现在本地环境中持续学习和记忆。
查看缓存全文
缓存时间: 2026/05/21 21:40
MemOS 又有新进展了。
现在搞 AI Memory 的方案不少,但很多还是把聊天记录存下来这个层面,看着像有记忆,实际上就是给 markdown 加了一个语义检索。
@MemOS_dev 做记忆系统已经有一段时间了,从 1.0 一路走到 2.0,现在回头看其实一个共识在慢慢变清晰:下一步真正决定 Agent 好不好用的,已经不是模型参数本身了,是它能不能在你自己的本地世界里,持续学习,沉淀经验,记住反馈,复用能力。
最近 MemOS Local Plugin 2.0 正式上线后,我研究了一下它的新特性。
这次更新我觉得最值得拿来说的功能,叫“执行即学习”。
它不是只存对话,而是当 Agent 在帮你完成任务的时候,把执行过程里那些关键步骤,拆成一个个可学习的单元,再转成可评分、可归因、可复用的认知资产。
换个好理解说法就是,它不只是记得你说过什么,它记得你和 Agent,是怎么一步一步做完一个任务的。
举个我自己最近的体感,用 OpenClaw 写一个小工具,第一轮把代码风格、命名习惯、错误处理写法一条一条说清楚,来回改了三四轮才顺手。
搁以前,换个对话或者过两天再来,这些东西基本就丢了,又得从头再讲一遍,这次 2.0 用上之后,第二天起新任务,它自己就把上一轮我们磨出来的那套写法直接用上了。
下面挨个说说这次更新的新特性:
https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin…
相似文章
@berryxia: 兄弟们,MemOS 2.0 开源项目又更新了! Github 已经斩获9.3K Star ~ 这次直接把“AI记忆”从高级剪贴板升级成了真·执行即学习。 以前很多记忆方案,就是把聊天记录存下来,加个语义检索,看起来有记忆,实际上还是RAG…
MemOS 2.0开源项目更新,引入“执行即学习”机制,让AI Agent在完成任务时自动拆解、提炼经验,从原始轨迹到肌肉记忆分层进化,实现越用越懂用户的专属助手。
@discountifu: 原来真有一个叫记忆宫殿的开源项目,号称是目前跑分最强的 AI 记忆系统
介绍了一个名为 MemPalace 的开源 AI 记忆系统,声称在 LongMemEval 上达到 96.6% R@5,采用本地优先、可插拔后端的设计,支持 CLI 和 MCP 服务器部署。
@yyyole: Agent memory的创业方向好火爆! 很多团队都在做,大概有下面几种比较主流的思路: 第一种最粗暴:context路线,把上下文增长。 第二种最常见:RAG / 向量库路线,接一个向量库把历史内容 embedding 后做检索。 第…
介绍Agent memory创业的几种主流思路,并推荐EverMind团队的开源项目EverOS,它提供以Markdown为源的本地记忆操作系统,支持双轨记忆、多模态摄取和自演化能力。
@berryxia: https://x.com/berryxia/status/2084479289882194402
介绍 Memmy 这个开源 AI 记忆工具,它能跨工具记住项目、技能和业务流程图,并通过实际测试展示了找到本地项目、调用 Skills、接入业务 Agent 的能力,强调其让多个 AI 工具共享同一个工作记忆的核心理念。
MindMemOS:面向AI智能体的可移植、自进化记忆操作系统层
本文介绍了MindMemOS,一个面向AI智能体的可移植、自进化记忆操作系统层,采用统一的实体-属性-时间结构,并具备记忆精炼和技能进化算法。它在LOCOMO和PersonaMem基准上取得了显著准确率,并将SpreadsheetBench性能提升了9.2个百分点。