AI 导读
Memmy 系统架构拆解显示,其底层 MemOS 把记忆分为 L1 执行轨迹、L2 策略经验、L3 场域认知三层闭环,顶层固化为可执行 Skill。检索层采用 FTS5 全文加向量双表混合,并配有在后台像睡眠一样做去重和蒸馏的 Dream 整理机制。
正文
扒了 Memmy 这张系统架构全景图,
终于明白他们为什么敢叫记忆操作系统,
而不是又一个套壳向量库。
中间那颗核心飞轮是关键。
绝大多数人做 AI 记忆还在暴力 embedding,
聊天记录全扔进向量库,越用越笨越臃肿。
Memmy 底层的 MemOS 把记忆切成四层闭环:
L1 执行轨迹,L2 策略经验,L3 场域认知,
顶层直接固化成可执行 Skill。
检索层是 FTS5 全文加向量双表混合,还配了一套 Dream 整理机制,在后台像人类睡眠一样默默做去重和蒸馏。
更绝的是它对外部 Agent 的工程克制。
右边的历史入库管线,对 Cursor 和 Claude Code 的本地日志只做只读扫描加密钥脱敏,绝不碰云端。
提炼后的记忆通过 Skill Writer 动态编译成 rules 和 AGENTS.md 注入回去。左边是带 AutoCompact 的独立 Runtime,右边是本地治理服务,全量数据锁死在 SQLite 里。
代码靠 Git 同步状态,跨工具流动的决策和意图,
靠中间这套记忆飞轮接力。
说实话,能把这种又脏又累的本地系统管道啃得这么扎实,多 Agent 时代的个人 AI 工作台就该长成这个样子。
给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队(MemOS) 刚开源的这个新项目,我真的要吹爆, 可能是今年最值得装的本地 AI 基础设施之一了, 它解决了一个我使用AI Agent 忍了大半年的痛点问题: 换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。 每天在 Cursor、Claude Code 和 Codex 之间来回切的人,应该都懂那种吃了苍蝇一样的恶心感, 换个工具就等于给AI重新做一遍入职培训, 项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。 刚刚开源的 Memmy 直接把这个问题给干掉了, 让所有 AI 都记得同一个你。 它干的事简单且极度务实,但之前几乎没人愿意做。 更关键的是,它本身就是一个形态非常丰满的本地 Agent,支持多种接入方式: →日常用有桌面端 GUI, →极客可以走 CLI/TUI, →还自带 OpenAI 兼容 API 和 MCP 协议, →最新版连 Linux 也已经全平台支持了。 授权后直接去翻你本地所有 Agent 的历史日志, Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session, 几分钟把你过去几个月在各个工具里聊过的废墟, 自动整理成结构化记忆, 然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。 全量存在本地 SQLite 数据库, 完全 local-first 不上传, 敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。 那些是给开发者写代码集成的 API, 你要自己写代码接入,或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户, 把你过去几个月在各工具里已经产生的历史一键接管过来。 这一步大多数工具都没做,毕竟是纯脏活累活。 技术底座是同团队的 MemOS,GitHub 一万多星, 做的是记忆操作系统,不是简单的向量库加摘要。 再说几个极其真实的场景: 你在 Codex 里确认了一个架构选型, 切到 Claude Code 它立刻知道, 你在 Cursor 里试错踩过的坑, 新开一个 DeepSeek Harness 不会再踩第二遍。 一个 Agent 额度用完了换另一个,上下文再也不会归零。 代码靠 Git 能同步状态, 记忆同步的, 是你在对话里留下的决策和意图。 这层资产以前被困在每个工具的 session 里, 现在可以跟着你走了。 当然照例泼盆冷水, 这个项目还在 v1.0.x 早期, GitHub 约 1000 星, 各家工具本地格式一升级可能带来兼容问题, 记忆蒸馏和跨项目隔离也还在持续迭代, 但方向我认为是非常对的。 多 Agent 并行时代, 记忆本来就该属于用户自己, 凭什么被锁死在某个工具里。 Switch agents, not context, 让所有 AI 都记得同一个你!!!在 X 查看被引用的帖子
来源:@AYi_AInotes · x.com