AI不再用完即忘：华为诺亚开源MindMemOS，记忆和Skill一起进化
内容提要
华为诺亚方舟实验室推出MindMemOS，一种面向AI Agent的可迁移、自演进记忆操作层。它用实体、属性、时间三维结构建模记忆，通过MindSchema和MindVanilla生成记忆，Dreaming离线整理冲突，Feedback利用用户反馈优化。在基准测试中提升准确率，并支持Skill演进，使Agent能跨场景复用经验，从工具升级为长期协作者。
延伸解读
记忆结构：从文本块到三维坐标
传统记忆方案常把信息保存为文本片段或向量块，而MindMemOS采用实体、属性、时间的三维结构，将“用户以前喜欢X”和“现在改用Y”放在同一时间轴上，保留演化轨迹。这种结构化建模在LoCoMo和PersonaMem基准上带来可测量的提升，说明记忆的组织方式直接影响长期事实召回和个性化推断的准确性。
Dreaming：离线整理减少干扰
Dreaming在离线阶段识别重复、冲突和演化关系，合并冗余、归档过时记忆，并建立supersedes关系。在MemoryAgentBench的FactConsolidation子集上，它提高Single-hop和Multi-hop得分的同时，将约五分之一活跃记忆转入归档。这体现“少即是多”：减少检索时的干扰，本身就是提升记忆质量的关键。
Skill演进：从静态指南到动态资产
MindMemOS将Skill视为记忆系统的应用，通过轨迹积累和MindEvolve实现无监督或监督式演进。在SpreadsheetBench-Verified上，初始Skill甚至低于无Skill，但无监督演进将成功率从51.3%提升到55.3%，监督式进一步达57.2%。这说明过时规则可能有害，而基于失败轨迹提炼的避错规则能带来实质提升。
可迁移性：记忆与Agent解耦
MindMemOS将Agent接入层、记忆算法层与记忆结构层解耦，使记忆成为用户或组织独立维护的长期资产，可在不同应用和框架间复用。开源代码提供FastAPI、Python SDK、CLI等接入方式，覆盖完整记忆生命周期。这种设计让记忆不再绑定于单个Agent，为跨场景复用和长期协作奠定基础。
Q&A
MindMemOS是什么？它主要解决什么问题？
MindMemOS是华为诺亚方舟实验室推出的面向AI Agent的可迁移、自演进记忆操作层。它旨在解决Agent记忆无法跨会话或跨Agent迁移、系统不知道应该记住什么、以及记忆和技能如何共同进化等问题。
MindMemOS如何组织记忆？与传统方法有何不同？
MindMemOS使用实体、属性、时间三维结构来建模记忆，每条记忆都落在唯一坐标上，同时保留实体关系和属性演变轨迹。传统方法通常将记忆保存为文本片段或向量块，而MindMemOS将记忆组织成图结构，支持语义关联和演变追踪。
MindMemOS提供了哪两种记忆生成路径？它们分别适用于什么场景？
MindMemOS提供MindVanilla和MindSchema两种路径。MindVanilla不依赖预定义模板，适合开放域信息快速进入记忆库；MindSchema通过实体建模规定领域关注的实体和属性，适合特定领域需要结构化记忆的场景。
Dreaming机制在MindMemOS中起什么作用？它是如何工作的？
Dreaming是离线巩固记忆的机制，它识别重复、冲突和演化关系，并执行合并冗余、归档旧记忆、补充关系等操作。这样可以将冲突判断从查询时前移为离线状态，减少检索时的干扰，提升记忆质量。
MindMemOS如何利用用户反馈来优化记忆？
MindMemOS支持显式和隐式反馈。显式反馈是用户直接指出记忆错误，隐式反馈是从后续对话中提取不满、修正或新偏好。系统会判断反馈是临时信息、场景偏好还是长期规律，并决定新增、更新、归档或删除记忆，从而提升记忆与用户意图的一致性。
MindMemOS如何实现Skill的演进？
MindMemOS将Skill视为记忆系统的应用，通过云端注册、版本链和同步，收集真实任务轨迹。它从轨迹中提取目标、关键转折和结果，聚合成功策略和失败模式，生成修改计划并应用编辑，产生新版本Skill。支持无监督（MindEvolve-Unsup）和监督（MindEvolve-Sup）两种演进方式。
MindMemOS在基准测试中的表现如何？
在LoCoMo基准上，MindMemOS-Modeling的Overall Accuracy达到94.03，为最高结果；在PersonaMem上，MindSchema配置达到70.63%，MindVanilla为67.74%，均高于Baseline。在SpreadsheetBench-Verified上，无监督演进将成功率从51.3%提升到55.3%，监督演进达到57.2%。
MindMemOS的架构有什么特点？它提供了哪些接入方式？
MindMemOS将Agent接入层、记忆算法层与记忆结构层解耦，提供FastAPI HTTP接口、Python SDK、CLI、Skills和OpenClaw插件等接入方式，覆盖add、search、update、delete、feedback和dreaming等完整生命周期操作。这种解耦使记忆可迁移，可跨应用复用。
MindMemOS如何与自动算法设计平台LLM4AD_Next结合？
MindMemOS已接入LLM4AD_Next，将算法搜索过程中的反馈转化为可存储、可检索、可复用的经验资产。平台构建三层记忆，支持Auto Mode和Manual Mode两种调度方式，使算法设计经验得以积累和复用。
