北京
一张架构图看懂记忆操作系统
扒完Memmy这张系统架构全景图，才明白它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。
对外部Agent的工程克制
更值得说的是它对外部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。
多Agent时代的个人AI工作台
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，刚开源了这个新项目。
它解决了一个使用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。这可能是今年最值得装的本地AI基础设施之一。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
