# MemoryOS **Repository Path**: quix/MemoryOS ## Basic Information - **Project Name**: MemoryOS - **Description**: No description available - **Primary Language**: HTML - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-12-07 - **Last Updated**: 2025-12-07 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 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](https://arxiv.org/abs/2506.06326) - **网站**: [https://baijia.online/memoryos/](https://baijia.online/memoryos/) - **文档**: [https://bai-lab.github.io/MemoryOS/docs](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](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](https://www.google.com/search?q=%23memoryos_chromadb-getting-started) * *[new]* 🔥🔥🔥 **[2025-07-15]**: **🔌 集成** [Docker](https://www.google.com/search?q=%23docker-getting-started) 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](https://www.google.com/search?q=%23reproduce) * *[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](https://bai-lab.github.io/MemoryOS/docs) 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](https://baijia.online/memoryos/)。如果您需要**邀请码**，请随时 [联系我们](https://www.google.com/search?q=%23community)。 * *[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](https://www.google.com/search?q=%23memoryos-mcp-getting-started)。 * **[2025-05-30]**: 📄 论文-**Memory OS of AI Agent** 已在 arXiv 上发布: [https://arxiv.org/abs/2506.06326](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 * ✨ 特性 * 🔥 最新消息 * 🔍 支持列表 * 📁 项目结构 * 🎯 快速入门 * 通过 PYPI 安装 MemoryOS * MemoryOS-MCP * MemoryOS-chromadb * Docker * ☑️ 待办事项 * 🔬 如何复现论文中的结果 * 📖 文档 * 🌟 引用 * 🤝 加入社区 ## 🏗️ 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 ```bash pip install memoryos-pro -i https://pypi.org/simple ``` #### 从 GitHub 下载 (最新版本) ```bash git clone https://github.com/BAI-LAB/MemoryOS.git cd MemoryOS/memoryos-pypi pip install -r requirements.txt ``` ### 基本用法 ```python 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 ```bash cd memoryos-mcp pip install -r requirements.txt ``` ### 2. 配置编辑 `config.json`： ```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 ```bash python server_new.py --config config.json ``` ### 4. 测试 ```bash 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。 ```bash "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 ```bash cd memoryos-chromadb pip install -r requirements.txt ``` ### 2. 测试 ```bash # 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 ```bash # 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 ```bash # 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 ```bash 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](https://bai-lab.github.io/MemoryOS/docs) 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：** ```bibtex @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}, } ```