MemoryOS

给AI装上持久记忆,让智能体真正懂你

MemoryOS 是一个为个性化 AI 智能体设计的记忆操作系统,源自 EMNLP 2025 Oral 论文。它解决的是 AI 智能体在长期交互中缺乏持久、结构化记忆的问题,导致无法真正理解用户偏好和历史上下文。核心能力包括:提供统一的记忆抽象层,支持记忆的写入、检索、更新和遗忘;实现记忆的分层管理(如短期、长期、语义记忆);与主流 AI 框架(如 LangChain)集成,让开发者能轻松为智能体注入个性化记忆。通过将记忆从对话逻辑中解耦,MemoryOS 使智能体能够跨会话保持一致性,提升响应准确性和用户粘性。项目用 Python 实现,API 设计简洁,适合研究原型和中小型生产部署。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1588
维护状态 维护中
是否开源
定价模式 free

项目数据

分类搜索知识
开发团队BAI-LAB
所属国家
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,language-model,llm,long-term-memory,operating-system,personalization,rag,retrieval-augmented-generation
GitHub 星标★ 1588
30天Star增速
HF 下载量
上线时间2025-05-30 00:00:00
最近更新2026-09-23 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 6 步

环境要求

  • Python 环境(可执行 python3 与 pip,用于安装 requirements.txt 依赖)
  • 有效的 OpenAI API Key(或兼容 OpenAI 的自定义 BASE_URL)
  • 可选:NVIDIA GPU 与 nvidia-container-toolkit(README 的 Docker 示例使用 --gpus=all)
  • 已安装 Docker(使用 Docker 方式部署时需要)

安装与启动步骤

  1. 1获取项目代码

    克隆 GitHub 仓库到本地,之后所有安装与运行操作都在仓库目录内进行。

    git clone https://github.com/BAI-LAB/MemoryOS.git
  2. 2安装 MCP 依赖

    进入 memoryos-mcp 子目录,按官方 requirements.txt 安装依赖,建议使用虚拟环境。

    cd memoryos-mcp
    pip install -r requirements.txt
  3. 3填写 MCP 配置

    编辑 memoryos-mcp/config.json,填入 user_id、OpenAI API Key、BASE_URL、模型与存储路径。

  4. 4调用 Python API

    按 PyPI 基本用法初始化 Memoryos,写入一条记忆再查询,记得把 API Key 换成自己的。

    import os
    from memoryos import Memoryos
    
    USER_ID = "demo_user"
    ASSISTANT_ID = "demo_assistant"
    API_KEY = "sk-xxxxxxxx"
    BASE_URL = ""
    DATA_STORAGE_PATH = "./simple_demo_data"
    LLM_MODEL = "gpt-4o-mini"
    
    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,
        embedding_model_name="BAAI/bge-m3"
    )
    
    memo.add_memory(
        user_input="Hi! I'm Tom, I work as a data scientist in San Francisco.",
        agent_response="Hello Tom! Nice to meet you. Data science is such an exciting field. What kind of data do you work with?"
    )
    
    response = memo.get_response(query="What do you remember about my job?")
    print(response)
  5. 5启动 Playground

    进入 memdemo 目录运行 app.py,打开界面后填写 User ID、API Key、Model 与 API Base URL。

    cd MemoryOS/memoryos-playground/memdemo/
    python3 app.py
  6. 6Docker 方式运行

    在含有 Dockerfile 的目录构建镜像并进入容器;没有 GPU 时去掉 --gpus=all 参数。

    docker build -t memoryos .
    docker run -it --gpus=all memoryos /bin/bash

关键配置

配置项必填说明示例
user_id标识记忆归属的用户,同一 user_id 共享记忆demo_user
openai_api_key调用大模型与向量服务的密钥sk-xxxxxxxx
openai_base_url自定义 OpenAI 兼容端点,留空用官方地址https://api.openai.com/v1
data_storage_path记忆数据的本地持久化目录./memoryos_data
llm_model用于生成回复的大语言模型名称gpt-4o-mini
embedding_model_name向量模型,支持 Qwen3-Embedding-0.6B/bge-m3 等BAAI/bge-m3

如何确认成功

Python 示例会打印 “MemoryOS initialized successfully!” 并返回针对记忆查询的 Assistant 回复,即初始化与读写成功。

常见问题

Q:没有 OpenAI API Key 可以运行吗?

A:可以把 openai_base_url 指向兼容 OpenAI 协议的自建或第三方端点,但 openai_api_key 仍需填写该服务认可的密钥。

Q:记忆数据保存在哪里?

A:由 data_storage_path 指定;MCP 模式默认 ./memoryos_data,Playground 的记忆默认存放在 memdemo/data 目录下。

Q:可以用哪些向量模型?

A:README 明确支持 Qwen/Qwen3-Embedding-0.6B、BAAI/bge-m3 和 all-MiniLM-L6-v2,通过 embedding_model_name 指定。

Q:Docker 方式必须有 GPU 吗?

A:README 示例带了 --gpus=all,属于硬件加速选项;若机器没有 GPU 或未装容器工具包,可去掉该参数再运行。

注意事项

  • README 中 PyPI 的 “Installation” 小节没有给出具体安装命令,安装方式请以官方文档 https://bai-lab.github.io/MemoryOS/docs 为准。
  • 仓库还提供 memoryos-chromadb 目录,可进入后执行 pip install -r requirements.txt 安装对应依赖。
  • 运行 Python 示例或 Playground 前,务必把示例中的 YOUR_OPENAI_API_KEY / sk-xxxxxxxx 替换为真实密钥,避免泄露到公开仓库。
  • Docker 构建前请确认当前目录存在 Dockerfile。

核心亮点

  • 提出记忆操作系统概念,分层管理短期/长期/语义记忆,架构清晰
  • EMNLP 2025 Oral 背书,学术严谨性高,算法有理论支撑
  • 提供统一 API,与 LangChain 等框架集成简单,上手成本低

不足之处

  • 项目较新,生态和文档仍在完善中,生产级案例较少
  • 记忆存储后端依赖外部数据库,未内置分布式方案,扩展性待验证

适用场景

  • 构建长期陪伴型聊天机器人,记住用户偏好和对话历史
  • 开发个性化推荐助手,基于用户历史行为动态调整策略
  • 研究 AI 记忆机制,作为实验基座进行算法对比

替代项目

MemGPT、LangMem、Zep

项目介绍

MemoryOS 是智能体领域的开源项目,由 BAI-LAB 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,588)位列前 30%,在智能体分类中处于中上游。

近 42 天,它的 GitHub 星标从 1,554 增加到 1,588,净增 34。

项目仍在小幅维护中,最近一次代码更新于 2026-09-23。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:构建长期陪伴型聊天机器人,记住用户偏好和对话历史。同类可对比的替代方案包括 MemGPT、LangMem、Zep。

上一篇:Neurite

下一篇:hivemind

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 195 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12