MindMemOS：华为诺亚开源的 AI Agent 记忆操作系统，LoCoMo 94 分登顶
用过 AI 编程 Agent 的人应该都有这种感觉：跟它聊了半天项目背景，换个会话它全忘了；从 Claude Code 切到 OpenHands，又得从头教一遍。Agent 的记忆像金鱼一样，只有七秒。
华为诺亚方舟实验室最近开源了 MindMemOS，就是冲着这个问题来的。它把 Agent 的记忆从单个工具里解耦出来，做成一套独立的「记忆操作系统」——用户画像、偏好、项目事实、工具经验都能沉淀下来，在 OpenClaw、Hermes、Claude Code、OpenHands 之间自由迁移。官方在 LoCoMo 长对话记忆基准上拿到了 94.03 分，超过目前所有公开方案。
是什么
MindMemOS 是一个面向 AI Agent 的记忆操作层（Memory OS），GitHub 仓库 mindscale-noah/MindMemOS，2026 年 6 月 30 日正式发布，MIT 协议，目前 590 个 Star。官方定位一句话：让经验真正成为能力。
它的核心设计是把记忆从单个 Agent 中解耦。传统方案里记忆跟着工具走，换工具就丢；MindMemOS 把记忆做成独立的服务，任何 Agent 都能通过 SDK 或插件读写同一套记忆。
记忆建模采用实体、属性、时间三维结构，不仅保存最新状态，还保留完整的演化轨迹——用户从「喜欢冰美式」变成「更喜欢拿铁」，这个变化过程本身也是记忆的一部分。
核心特性
跨 Agent 可迁移。用户画像、偏好、项目事实、工具经验和 skill candidates 沉淀为可复用资产，OpenClaw、Hermes、Claude Code、OpenHands 等不同 Agent 可以共享或迁移同一套长期记忆。当前已提供 OpenClaw 插件（npm 包 @mindmemos/openclaw-plugin），交互前自动检索注入相关记忆、回合结束后自动写回对话。
记忆系统自主演化。通过 schema learning 自动学习高频记忆模式，通过 dreaming 离线巩固合并记忆，通过 feedback 从用户的纠错行为中反向优化 add/search 流程。不是写完就完事，而是越用越准。
记忆与 Skills 联动。经验记忆可以沉淀为 skill candidates；反过来，skills 的执行结果、失败轨迹和用户反馈也会回流到记忆系统，推动 skills 持续演进。用 CLI 就能给本地 skill 注册别名、推版本、回滚。
可观测性好。核心依赖 Qdrant（向量）+ Neo4j（图）+ Kafka（事件流），可选加装 ClickHouse + OTel + Grafana 全家桶，部署即带监控。
怎么用
装 SDK 一行命令：
pip install mindmemos-sdk
mindmemos auth # 配置服务地址、API key、默认用户
写入和检索记忆：
mindmemos memory add --content "我喜欢喝冰美式"
mindmemos memory search "咖啡偏好" --top-k 5
mindmemos memory dreaming # 离线巩固记忆
管理 Skill：
mindmemos skill register ./path/to/skill --alias my-skill
mindmemos skill evolve my-skill
mindmemos skill push my-skill
本地部署用 make dev 启动（FastAPI 默认 8000 端口），也可以直接用云端服务 mindmemos.cn。部署前需要在配置里指定三个模型路由：chat（记忆抽取/Skill 演进）、embed（向量维度对齐 Qdrant）、rerank（可选重排）。
不是没有槽点
首先，部署不轻。本地跑起来要 Docker 全家桶——Qdrant、Neo4j、Kafka 三件套起步，再加模型路由配置。想体验完整功能，门槛比「pip install 就用」高不少。
其次，项目还很新。6 月底才发布，590 个 Star，生态还在早期。目前只有 OpenClaw 一个官方插件，其他 Agent 集成要靠自己写。
还有，需要自备模型。chat、embed、rerank 三个模型路由都得自己配，embedding 维度还要跟 Qdrant 对齐，对只想快速试试的人来说有点繁琐。
最后，云端额度靠 Star 换。官方说 GitHub Star 后自动升级 Pro 额度，虽然大方，但也侧面说明云端服务是商业化路线，长期免费额度未必稳定。
跟同类怎么比
记忆层这个赛道已经有几个玩家：Mem0（64.20）、Zep（85.22）、EverOS（93.05）在 LoCoMo 上都表现不错。MindMemOS 的 MindSchema 模式拿到 94.03 登顶，单跳、多跳、时序、开放域四个子项全是第一。
跟 Mem0 这类「给 Agent 加记忆」的库相比，MindMemOS 的差异在于三点：记忆建模保留时间演化轨迹、记忆可以跨 Agent 迁移、记忆和 Skills 形成闭环。简单说，别人是给 Agent 装个记忆功能，它是给 Agent 们建了一套共享的记忆系统。
一句话总结
如果你在用 AI 编程 Agent，且受够了「每次都要重新交代背景」，MindMemOS 值得关注。尤其是多 Agent 混用（Claude Code + OpenHands + OpenClaw）的场景，一套记忆到处用的体验，目前还没有第二家做得这么完整。
GitHub：https://github.com/mindscale-noah/MindMemOS
官网：https://mindmemos.cn · API 文档：mindmemos.cn/api-docs
SDK：pip install mindmemos-sdk
标签：#MindMemOS #Agent记忆 #记忆操作系统 #华为诺亚 #AI智能体 #开源 #LoCoMo
关注我，每期分享一个帮你省事的强大工具 🛠️