AI 聊久了总忘事：MemOS 想把记忆从聊天记录变成可管理系统

哇哦AI

记忆张量在 WAIC 2026 官方企业目录使用的品牌图。 来源：WAIC 2026 官方企业目录

很多 AI 不是听不懂你，而是过几天就忘了：项目换了技术栈，它还在引用旧方案；你纠正过一次，下次又犯同样的错。

WAIC 2026 上，记忆张量把这件事单独拿出来讨论。它的开源项目 MemOS 不再把所有历史一股脑塞进提示词，而是尝试给记忆增加写入、检索、更新和删除机制。

它要管理的不是一段聊天，而是不同类型的记忆
MemOS 把用户偏好、事实信息、任务过程和可重复使用的技能拆成可以管理的记忆资源。智能体需要回答问题时，再从这些资源中找出相关部分，而不是每次重新阅读全部对话。

这种做法适合长期任务。例如编程智能体可以记住项目目录、技术选择和已修复的问题；客服智能体可以保留用户授权保存的偏好，同时避免把无关聊天带进下一次回答。

项目提供云端 API，也支持本地或私有化部署。GitHub 文档列出了 OpenAI、通义、DeepSeek、MiniMax、Ollama、Hugging Face 和 vLLM 等模型入口，说明记忆层并不绑定单一大模型。

真正困难的是知道什么时候该忘
记得越多不一定越聪明。旧信息、错误结论和互相冲突的偏好如果长期保留，智能体会更加自信地给出过期答案。因此，记忆系统必须记录来源、时间和版本，并允许用户纠正或删除。

MemOS 的文档与代码提供了记忆写入、检索和管理入口，但一套开源框架不能自动解决权限问题。团队仍要决定哪些数据允许保存、保存多久，以及不同智能体能看到哪些内容。

项目公开的节省令牌和检索效果属于特定测试条件，不能直接套用到所有业务。实际收益取决于任务长度、记忆质量、检索策略和所用模型。

开发者可以从一个会反复出错的小任务开始
最容易验证的场景不是建立“永久数字分身”，而是挑一个经常重复的任务：让智能体记住项目规范、用户偏好或已经确认的决策，再观察它一周后能否正确引用。

测试时应同时检查两件事：错误记忆能否被改掉，删除请求是否真的让后续回答不再引用。只有会记、会改也会忘，长期记忆才不会变成新的数据包袱。

MemOS 已经开放代码、文档和云端入口。接下来值得关注的是权限审计、跨智能体共享边界和长期运行中的记忆漂移，这些比“能记多少条”更决定系统是否适合生产环境。

想继续了解
• 记忆张量官网
• MemOS 官方文档
• MemOS GitHub 仓库
• 新浪新闻：WAIC 记忆原生智能论坛
• DEV.co：MemOS 当前版本与项目概览
• WAIC 2026 官方企业目录