本地优先的 AI 记忆系统,逐字保存对话历史,并通过语义搜索检索,提供 MCP 服务与命令行工具。
ClaudioDrews/memory-os
为 Hermes Agent 打造的七层记忆系统,基于 Qdrant 与 SQLite 实现跨会话持久记忆,本地运行,兼容多种 LLM 服务。
可替代:mem0
- Star
- 1,393
- Fork
- 132
- 未关闭 Issue
- 14
- 最近提交
- 2个月前
这是什么?
Memory OS 是一套为 Hermes Agent 设计的记忆系统,让智能体跨会话保留项目、决策和偏好,不必每次从零开始。它整合了工作区文件、支持全文检索的会话历史、带可信度评分的结构化事实库,以及带四级回退检索的 Qdrant 向量数据库。
每次调用 LLM 时,系统会从多个来源检索相关上下文,经相关性阈值过滤并在会话内去重后注入提示词。每周运行的衰减扫描和语义去重会控制存储规模。另有一层 Ground Truth 机制,指示智能体把注入的记忆视为权威信息,避免重复查询已有内容。
基础设施运行在本地,依赖 Docker 提供的 Qdrant、Redis 与 ARQ worker,需要 Python 3.11+。支持 OpenRouter、OpenAI、Anthropic、Ollama 等 Hermes 兼容的模型服务。提供一键安装脚本。
核心功能
- 01通过工作区文件、会话全文检索和结构化事实库实现跨会话持久记忆。
- 02基于 Qdrant 的混合检索,结合稠密向量与 BM25,并带四级回退。
- 03按相关性筛选并在会话内去重后自动注入上下文。
- 04每周衰减扫描与语义去重,控制记忆存储规模。
- 05自动整理的 LLM Wiki 持续写入向量数据库。
- 06一条命令完成 Docker 服务、数据库与插件的安装。
适用场景
- 需要记住过往决策和架构选择的长期项目。
- 在多次对话中保留个人偏好与技术栈信息。
- 配合 Ollama 等本地模型,在本机运行私有记忆后端。
快速上手
- 1
安装前置依赖:Hermes Agent、Docker 和 Python 3.11+
- 2
运行 README 中的官方一键安装脚本
- 3
如果安装失败,请按照 setup/install.md 中的手动十步指南操作
使用前须知
- 需要 Hermes Agent,并要运行包含 Qdrant、Redis 和 ARQ 工作进程的 Docker 服务。
- 内置的 Icarus 插件是大幅修改的分支,与上游不兼容。
收录于专题
标签
常见问题
- memory-os 是什么?
- 为 Hermes Agent 打造的七层记忆系统,基于 Qdrant 与 SQLite 实现跨会话持久记忆,本地运行,兼容多种 LLM 服务。 Memory OS 是一套为 Hermes Agent 设计的记忆系统,让智能体跨会话保留项目、决策和偏好,不必每次从零开始。它整合了工作区文件、支持全文检索的会话历史、带可信度评分的结构化事实库,以及带四级回退检索的 Qdrant 向量数据库。
- memory-os 可以免费使用吗?用的什么许可证?
- memory-os 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- memory-os 还在维护吗?
- 半年内有更新。memory-os 最近一次提交是在 2026年9月20日。
- memory-os 适合用来做什么?
- 需要记住过往决策和架构选择的长期项目。 在多次对话中保留个人偏好与技术栈信息。 配合 Ollama 等本地模型,在本机运行私有记忆后端。
- memory-os 怎么安装和运行?
- 安装前置依赖:Hermes Agent、Docker 和 Python 3.11+ 运行 README 中的官方一键安装脚本 如果安装失败,请按照 setup/install.md 中的手动十步指南操作
- 在哪里获取 memory-os?
- 源代码和安装说明在 GitHub 上:https://github.com/ClaudioDrews/memory-os
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
可私有化部署的 RAG 方案,基于开源大模型与 Qdrant,让你在自有文档上进行问答。
一个本地运行的 AI 记忆库,记录每条记忆的归属、来源、有效时间和可读范围。
基于 FastAPI 的对话式 RAG 后端,将文档写入 Qdrant 向量库,支持语义与混合检索并调用大模型问答。
Qdrant 向量搜索引擎的官方 Python 客户端库,支持同步与异步调用。
本地运行的 MCP 记忆服务,逐字保存 AI 编程会话,并在后续对话中把相关历史上下文交还给 Claude Code、Cursor 等智能体。