MemoryOS

🎉 如果您喜欢我们的项目，请在 GitHub 上给我们一个星 ⭐ 以获取最新更新。

MemoryOS 旨在为个性化 AI 智能体提供记忆操作系统，以实现更连贯、个性化和情境感知的交互。它从操作系统的内存管理原理中汲取灵感，采用分层存储架构，包含四个核心模块：存储、更新、检索和生成，以实现全面高效的记忆管理。在 LoCoMo 基准测试中，该模型在 F1 和 BLEU-1 分数上平均提升了 49.11% 和 46.18%。

论文: https://arxiv.org/abs/2506.06326
网站: https://baijia.online/memoryos/
文档: https://bai-lab.github.io/MemoryOS/docs
YouTube 视频: MemoryOS MCP + RAG Agent That Can Remember Anything
https://www.youtube.com/watch?v=WHQu8fpEOaU

✨ 主要特性

🏆 顶级的记忆管理性能
在长期记忆基准测试中取得 SOTA 成果，在 LoCoMo 基准上 F1 分数提升 49.11%，BLEU-1 分数提升 46.18%。
🧠 即插即用的记忆管理架构
支持无缝集成的可插拔记忆模块——包括存储引擎、更新策略和检索算法。
✨ 轻松创建智能体工作流 (MemoryOS-MCP)
通过调用 MCP 服务器提供的模块化工具，为各种 AI 应用注入长期记忆能力。
🌐 通用大语言模型支持
MemoryOS 无缝集成各种大语言模型 (例如 OpenAI, Deepseek, Qwen ...)。

📣 最新消息

[new] 🔥🔥🔥 [2025-07-15]: 🔌 支持 向量数据库 Chromadb
[new] 🔥🔥🔥 [2025-07-15]: 🔌 集成 Docker 到部署流程
[new] 🔥🔥 [2025-07-14]: ⚡ 加速 MCP 并行化
[new] 🔥🔥 [2025-07-14]: 🔌 支持 BGE-M3 & Qwen3 嵌入模型 (PyPI 和 MCP)
[new] 🔥 [2025-07-09]: 📊 评估 MemoryOS 在 LoCoMo 数据集上的表现: 公开可用 👉复现
[new] 🔥 [2025-07-08]: 🏆 新增配置参数
新增参数配置: similarity_threshold。配置文件请参见 📖 文档页面。
[new] [2025-07-07]: 🚀 5倍速度提升
MemoryOS (PYPI) 实现已升级：通过并行化优化，速度提升5倍 (延迟降低)。
[new] [2025-07-07]: ✨ 现已支持 R1 模型
MemoryOS 支持配置和使用 Deepseek-r1 和 Qwen3 等推理模型。
[new] [2025-07-07]: ✨MemoryOS Playground 上线
MemoryOS Platform 的 Playground 已经上线！👉MemoryOS Platform。如果您需要邀请码，请随时联系我们。
[new] [2025-06-15]:🛠️ 开源 MemoryOS-MCP 发布！现在可在智能体客户端上配置，以实现无缝集成和定制。👉 MemoryOS-MCP。
[2025-05-30]: 📄 论文-Memory OS of AI Agent 已在 arXiv 上发布: https://arxiv.org/abs/2506.06326。
[2025-05-30]: MemoryOS 初始版本发布！具有短期、中期和长期角色记忆，以及自动用户画像和知识更新功能。

🔥 MemoryOS 支持列表

类型	名称	开源	支持	配置	描述
智能体客户端	Claude Desktop	❌	✅	claude_desktop_config.json	Anthropic 官方客户端
	Cline	✅	✅	VS Code settings	VS Code 扩展
	Cursor	❌	✅	Settings panel	AI 代码编辑器
模型提供商	OpenAI	❌	✅	OPENAI_API_KEY	GPT-4, GPT-3.5, 等.
	Anthropic	❌	✅	ANTHROPIC_API_KEY	Claude 系列
	Deepseek-R1	✅	✅	DEEPSEEK_API_KEY	中文大模型
	Qwen/Qwen3	✅	✅	QWEN_API_KEY	阿里巴巴通义千问
	vLLM	✅	✅	本地部署	本地模型推理
	Llama_factory	✅	✅	本地部署	本地微调部署

所有模型调用均使用 OpenAI API 接口；您需要提供 API 密钥和基础 URL。

📑 目录

🏗️ 系统架构

🏗️ 项目结构

memoryos/
├── __init__.py         # 初始化 MemoryOS 包
├── __pycache__/        # Python 缓存目录 (自动生成)
├── long_term.py        # 管理长期角色记忆 (用户画像, 知识)
├── memoryos.py         # MemoryOS 主类，协调所有组件
├── mid_term.py         # 管理中期记忆，整合短期交互
├── prompts.py          # 包含用于 LLM 交互的提示 (例如，摘要，分析)
├── retriever.py        # 从所有记忆层检索相关信息
├── short_term.py       # 管理近期交互的短期记忆
└── updater.py          # 处理记忆更新，包括在不同层之间传递信息
└── utils.py            # 库中使用的工具函数

📖 MemoryOS_PyPi 上手指南

环境要求

Python >= 3.10
conda create -n MemoryOS python=3.10
conda activate MemoryOS

安装

从 PyPi 下载

pip install memoryos-pro -i https://pypi.org/simple

从 GitHub 下载 (最新版本)

git clone https://github.com/BAI-LAB/MemoryOS.git
cd MemoryOS/memoryos-pypi
pip install -r requirements.txt

基本用法

import os
from memoryos import Memoryos

# --- 基本配置 ---
USER_ID = "demo_user"
ASSISTANT_ID = "demo_assistant"
API_KEY = "YOUR_OPENAI_API_KEY"  # 替换为您的密钥
BASE_URL = ""  # 可选：如果使用自定义 OpenAI 端点
DATA_STORAGE_PATH = "./simple_demo_data"
LLM_MODEL = "gpt-4o-mini"

def simple_demo():
    print("MemoryOS 简单演示")

    # 1. 初始化 MemoryOS
    print("正在初始化 MemoryOS...")
    try:
        memo = Memoryos(
            user_id=USER_ID,
            openai_api_key=API_KEY,
            openai_base_url=BASE_URL,
            data_storage_path=DATA_STORAGE_PATH,
            llm_model=LLM_MODEL,
            assistant_id=ASSISTANT_ID,
            short_term_capacity=7,
            mid_term_heat_threshold=5,
            retrieval_queue_capacity=7,
            long_term_knowledge_capacity=100,
            # 支持 Qwen/Qwen3-Embedding-0.6B, BAAI/bge-m3, all-MiniLM-L6-v2
            embedding_model_name="BAAI/bge-m3"
        )
        print("MemoryOS 初始化成功！n")
    except Exception as e:
        print(f"错误: {e}")
        return

    # 2. 添加一些基本记忆
    print("正在添加一些记忆...")

    memo.add_memory(
        user_input="你好！我是汤姆，我在旧金山做数据科学家。",
        agent_response="你好汤姆！很高兴认识你。数据科学是一个非常令人兴奋的领域。你主要处理什么样的数据？"
    )

    test_query = "你记得我的工作是什么吗？"
    print(f"用户: {test_query}")

    response = memo.get_response(
        query=test_query,
    )

    print(f"助手: {response}")

if __name__ == "__main__":
    simple_demo()

📖 MemoryOS-MCP 上手指南

🔧 核心工具

1. `add_memory`

将用户与 AI 助手之间的对话内容保存到记忆系统中，以建立持久的对话历史和上下文记录。

2. `retrieve_memory`

根据查询从记忆系统中检索相关的历史对话、用户偏好和知识信息，帮助 AI 助手理解用户的需求和背景。

3. `get_user_profile`

获取从历史对话分析中生成的用户画像，包括用户的个性特征、兴趣偏好和相关知识背景。

1. 安装依赖

cd memoryos-mcp
pip install -r requirements.txt

2. 配置

编辑 config.json：

{
  "user_id": "用户ID",
  "openai_api_key": "OpenAI API 密钥",
  "openai_base_url": "https://api.openai.com/v1",
  "data_storage_path": "./memoryos_data",
  "assistant_id": "助手ID",
  "llm_model": "gpt-4o-mini",
  "embedding_model_name": "BAAI/bge-m3"
}

3. 启动服务器

python server_new.py --config config.json

4. 测试

python test_comprehensive.py

5. 在 Cline 和其他客户端上配置

复制 mcp.json 文件，并确保文件路径正确。

"command": "/root/miniconda3/envs/memos/bin/python"
# 这应该更改为您虚拟环境的 Python 解释器

📖MemoryOS_Chromadb 上手指南

1. 安装依赖

cd memoryos-chromadb
pip install -r requirements.txt

2. 测试

# 编辑信息在 comprehensive_test.py 中
    memoryos = Memoryos(
        user_id='travel_user_test',
        openai_api_key='',
        openai_base_url='',
        data_storage_path='./comprehensive_test_data',
        assistant_id='travel_assistant',
        embedding_model_name='BAAI/bge-m3',
        mid_term_capacity=1000,
        mid_term_heat_threshold=13.0,
        mid_term_similarity_threshold=0.7,
        short_term_capacity=2
    )
python3 comprehensive_test.py
# 切换嵌入模型时，请确保使用不同的数据存储路径。

📖Docker 上手指南

您可以通过两种方式使用 Docker 运行 MemoryOS：拉取官方镜像或从 Dockerfile 构建您自己的镜像。这两种方法都适用于快速设置、测试和生产部署。

选项 1: 拉取官方镜像

# 拉取最新的官方镜像
docker pull ghcr.io/bai-lab/memoryos:latest

docker run -it --gpus=all ghcr.io/bai-lab/memoryos /bin/bash

选项 2: 从 Dockerfile 构建

# 克隆仓库
git clone https://github.com/BAI-LAB/MemoryOS.git

cd MemoryOS

# 构建 Docker 镜像 (确保 Dockerfile 存在)
docker build -t memoryos .

docker run -it --gpus=all memoryos /bin/bash

🎯 复现

cd eval
# 在代码中配置 API 密钥和其他设置
python3 main_loco_parse.py
python3 evalution_loco.py

☑️ 待办事项

MemoryOS 正在不断发展！以下是即将推出的功能：

进行中🚀: 集成基准测试: 标准化的基准测试套件，用于 Mem0、Zep 和 OpenAI 的跨模型比较
🏗️ 实现跨不同系统的无缝记忆交换和集成。

有想法或建议吗？欢迎贡献！请随时提交 issues 或 pull requests！🚀

📖 文档

更详细的文档即将推出 🚀，我们将在文档页面更新。

📣 引用

如果您觉得这个项目有用，请考虑引用我们的论文：

@misc{kang2025memoryosaiagent,
      title={Memory OS of AI Agent}, 
      author={Jiazheng Kang and Mingming Ji and Zhe Zhao and Ting Bai},
      year={2025},
      eprint={2506.06326},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2506.06326}, 
}

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

MemoryOS

🎉 如果您喜欢我们的项目，请在 GitHub 上给我们一个星 ⭐ 以获取最新更新。

✨ 主要特性

📣 最新消息

🔥 MemoryOS 支持列表

📑 目录

🏗️ 系统架构

🏗️ 项目结构

📖 MemoryOS_PyPi 上手指南

环境要求

安装

从 PyPi 下载

从 GitHub 下载 (最新版本)

基本用法

📖 MemoryOS-MCP 上手指南

🔧 核心工具

1. `add_memory`

2. `retrieve_memory`

3. `get_user_profile`

1. 安装依赖

2. 配置

3. 启动服务器

4. 测试

5. 在 Cline 和其他客户端上配置

📖MemoryOS_Chromadb 上手指南

1. 安装依赖

2. 测试

📖Docker 上手指南

选项 1: 拉取官方镜像

选项 2: 从 Dockerfile 构建

🎯 复现

☑️ 待办事项

📖 文档

📣 引用

FilesExpand file tree

readme_cn.md

Latest commit

History

readme_cn.md

File metadata and controls

MemoryOS

🎉 如果您喜欢我们的项目，请在 GitHub 上给我们一个星 ⭐ 以获取最新更新。

✨ 主要特性

📣 最新消息

🔥 MemoryOS 支持列表

📑 目录

🏗️ 系统架构

🏗️ 项目结构

📖 MemoryOS_PyPi 上手指南

环境要求

安装

从 PyPi 下载

从 GitHub 下载 (最新版本)

基本用法

📖 MemoryOS-MCP 上手指南

🔧 核心工具

1. add_memory

2. retrieve_memory

3. get_user_profile

1. 安装依赖

2. 配置

3. 启动服务器

4. 测试

5. 在 Cline 和其他客户端上配置

📖MemoryOS_Chromadb 上手指南

1. 安装依赖

2. 测试

📖Docker 上手指南

选项 1: 拉取官方镜像

选项 2: 从 Dockerfile 构建

🎯 复现

☑️ 待办事项

📖 文档

📣 引用

🎯 联系我们

🌟 Star 历史

免责声明

1. `add_memory`

2. `retrieve_memory`

3. `get_user_profile`