我给 Hermes 装了个记忆插件它开始自己造 SkillsMemOS 实测当 AI 开始自己写自己的说明书事情就变得有意思了。事情要从一周前说起。我一直在用 Hermes Agent——Nous Research 开源的 AI 智能体。它的卖点是有记忆、自建技能、持久在线听起来很酷。实际用下来也确实不错帮我写代码、查资料、管理文件像个靠谱的远程实习生。但有一个问题它的记忆是文件级别的。Hermes 原生的记忆系统会把对话记录存成文件下次启动时加载。但这本质上就是日志回放——它不是真的记住了什么只是把所有历史对话翻出来再读一遍。这就好比一个人每次见到你都掏出笔记本翻到上次的聊天记录——哦原来你喜欢喝冰美式。能记住但不够聪明。于是我开始琢磨能不能给 Hermes 装一个更聪明的记忆插件然后我找到了 MemOS。一、MemOS 是什么简单说MemOS 是一个开源的 AI 记忆管理系统。和传统的 RAG 方案不同——RAG 是把文档切成块存到向量数据库搜到啥就拼啥——MemOS 做的事情更接近人类的记忆方式短期记忆 → 长期记忆— 不是所有的对话都值得记住MemOS 会判断哪些信息重要自动转存到长期记忆关联记忆— 把信息组织成知识图谱而不是散落的文档块。用户 A 是养虾场的技术负责人上个月讨论过水质监测方案这个月想做自动化投喂系统——这些信息是关联的MemOS 知道它们是一回事记忆调度— 不是每次对话都把所有记忆翻出来。它会根据当前上下文预测你需要哪些记忆只调度相关的那部分它的工作方式很简单pip install MemoryOS然后配置一个 API Key把 MemOS 跑起来它就是一个独立运行的内存服务。二、怎么给 Hermes 装上 MemOS安装过程比我想象的简单。第 1 步安装 MemOSpip install MemoryOSMemOS 提供了 Python SDK装上就能用。第 2 步启动 MemOS 服务memos start默认在本地 8088 端口启动一个记忆服务。所有记忆数据存在本地不经过云端。第 3 步在 Hermes 中配置 MemOS 插件在 Hermes 的配置文件里加上 MemOS 的接入配置# ~/.hermes/config.yamlmemory:backend: memosconfig:api_url: http://localhost:8088auto_summarize: truemax_context_memories: 10配置完重启 Hermes。第 4 步验证重启后我问了 Hermes 一个问题还记得我们上周讨论的那个养虾场项目吗如果是之前它会去翻对话日志然后给我拼接出一个好像有这回事的答案。装上 MemOS 后它的回答是记得。养虾场项目在上周讨论时确定了三个方向1. 水质自动化监测方案已完成需求文档2. 自动投喂系统的选型调研待执行3. 项目预算的初步估算约需 12 万上次会议你提到了想在月底之前完成方案定型。今天是 7 月 28 日建议本周启动自动投喂系统的调研。这不是翻日志翻出来的。这是记住的。三、真正让我震惊的是它开始自己造 SkillsHermes Agent 本身有一个自动技能创建的能力——当它解决了一个复杂问题可以自动把解决过程写成一份 SKILL.md以后遇到类似问题直接复用。但在原生记忆系统下这个能力其实用不太起来。因为它不记得以前解决过什么问题——每次会话都是独立的它不知道某个技能是在什么上下文下创建的。装上 MemOS 之后情况变了。周一我在处理一个数据清洗任务——把一堆乱七八糟的传感器数据整理成标准格式填充缺失值剔除异常点输出规整的 CSV。Hermes 花了几分钟帮我搞定了。周二我又遇到一批新的传感器数据正准备发指令。结果 Hermes 先说话了我注意到你又在处理传感器数据清洗。上周一我已经为这个场景创建了一个技能sensor-data-cleaning。需要我直接用这个技能来处理这批新数据吗我当时一愣——它怎么知道的后来我查了 MemOS 的日志才明白周一创建那个技能的时候MemOS 记录了创建技能时的场景上下文——包括我之前讨论过的养虾场项目、传感器品牌、数据格式偏好。周二我发新数据时MemOS 自动匹配了上下文主动推荐了那个技能。它不光学会了怎么做。它学会了什么时候该用。然后事情开始加速。接下来的几天里Hermes 自己创建了以下技能shrimp-pond-water-quality-report— 每周自动生成水质报告sensor-data-validator— 验证传感器数据完整性meeting-minutes-template— 养虾场项目会议纪要模板budget-estimator— 项目预算估算工具wechat-article-draft— 公众号文章初稿生成每一个技能都不是我让它创建的。是它自己发现这个模式出现第二次了我应该把它固化成技能。装了记忆系统之后它像一个实习生突然开了窍。以前你说一句它动一下。现在它会主动说这个我见过我有个方案。四、MemOS 解决了什么问题回到本质问题Hermes 原生记忆和 MemOS 的区别到底是什么Hermes 原生记忆 MemOS记忆方式日志回放结构化记忆关联性独立会话跨会话知识图谱主动调度❌ 需要手动✅ 上下文预测技能推荐❌ 不记得✅ 自动匹配场景遗忘机制没有有自动归档不重要的跨应用❌ 仅限 Hermes✅ 可共享给其他 AI原生记忆是过去发生了什么。MemOS 是从过去学到了什么。五、不只是 HermesMemOS 可以给任何 AI 装上大脑MemOS 并不是 Hermes 专属的。它通过统一的 API 接口可以接入任何 AI 应用。你在 WorkBuddy 上可以用在 Claude 上可以用在自己的 Python 脚本里也可以用。from memoryos import MemOSclient MemOS(api_keyyour_key)client.save(user_preference, {theme: dark, language: zh})# 下次调用pref client.recall(user_preference)这意味着你可以给自己的 AI 工具链装一套统一的记忆系统。WorkBuddy 里讨论的方案Hermes 也能知道Hermes 创建的技能WorkBuddy 也能调用今天在 Telegram 上和 AI 聊的内容明天在终端里继续记忆不是属于某个 AI 的——记忆是属于你的。六、一些问题当然MemOS 也不是完美的。性能消耗装了 MemOS 之后Hermes 的启动时间和响应时间略有增加——大约慢了 10-15%。这是可以接受的因为每次启动都要加载和调度记忆。记忆膨胀用了一周之后我的记忆库已经超过 200MB。如果长期使用不做管理记忆会越来越臃肿。MemOS 虽然有遗忘机制但需要手动调整参数才能达到最佳效果。配置复杂度虽然基础安装很简单但要调出好的效果——比如记忆调度的精度、跨会话关联的深度——需要一些调试。对小白用户来说门槛略高。但这些都是可以解决的问题不是架构上的硬伤。写在最后这一周的实验让我对AI 记忆这件事有了全新的理解。以前我总觉得AI 的记忆就是更多上下文 更长的 token 窗口。你给它 128K、1M、10M 的上下文窗口它就能记住更多东西。但 MemOS 让我看到了另一种方向不是长度的问题是结构的问题。人能记住事情不是因为存储空间大。是因为我们会自动判断什么重要、什么不重要会把信息关联起来会在合适的时机想起该想的事。MemOS 做的就是这个。而最让我兴奋的不是AI 记住了一些事。是当 AI 有了记忆之后它开始主动创造——创建技能、推荐方案、预测需求。当一个 AI 开始主动做事而不是等指令的时候它就不再是一个工具了。它开始像一个同事了。关于 Hermes Agent 和 MemOSHermes AgentNous Research 开源 AI 智能体拥有持久记忆和自动技能创建能力。GitHub: NousResearch/hermes-agentMemOS开源 AI 记忆管理系统为 AI 应用提供长期记忆能力。GitHub: MemTensor/MemOS AI记忆插件开启自动造技能新时代
我给 Hermes 装了个记忆插件它开始自己造 SkillsMemOS 实测当 AI 开始自己写自己的说明书事情就变得有意思了。事情要从一周前说起。我一直在用 Hermes Agent——Nous Research 开源的 AI 智能体。它的卖点是有记忆、自建技能、持久在线听起来很酷。实际用下来也确实不错帮我写代码、查资料、管理文件像个靠谱的远程实习生。但有一个问题它的记忆是文件级别的。Hermes 原生的记忆系统会把对话记录存成文件下次启动时加载。但这本质上就是日志回放——它不是真的记住了什么只是把所有历史对话翻出来再读一遍。这就好比一个人每次见到你都掏出笔记本翻到上次的聊天记录——哦原来你喜欢喝冰美式。能记住但不够聪明。于是我开始琢磨能不能给 Hermes 装一个更聪明的记忆插件然后我找到了 MemOS。一、MemOS 是什么简单说MemOS 是一个开源的 AI 记忆管理系统。和传统的 RAG 方案不同——RAG 是把文档切成块存到向量数据库搜到啥就拼啥——MemOS 做的事情更接近人类的记忆方式短期记忆 → 长期记忆— 不是所有的对话都值得记住MemOS 会判断哪些信息重要自动转存到长期记忆关联记忆— 把信息组织成知识图谱而不是散落的文档块。用户 A 是养虾场的技术负责人上个月讨论过水质监测方案这个月想做自动化投喂系统——这些信息是关联的MemOS 知道它们是一回事记忆调度— 不是每次对话都把所有记忆翻出来。它会根据当前上下文预测你需要哪些记忆只调度相关的那部分它的工作方式很简单pip install MemoryOS然后配置一个 API Key把 MemOS 跑起来它就是一个独立运行的内存服务。二、怎么给 Hermes 装上 MemOS安装过程比我想象的简单。第 1 步安装 MemOSpip install MemoryOSMemOS 提供了 Python SDK装上就能用。第 2 步启动 MemOS 服务memos start默认在本地 8088 端口启动一个记忆服务。所有记忆数据存在本地不经过云端。第 3 步在 Hermes 中配置 MemOS 插件在 Hermes 的配置文件里加上 MemOS 的接入配置# ~/.hermes/config.yamlmemory:backend: memosconfig:api_url: http://localhost:8088auto_summarize: truemax_context_memories: 10配置完重启 Hermes。第 4 步验证重启后我问了 Hermes 一个问题还记得我们上周讨论的那个养虾场项目吗如果是之前它会去翻对话日志然后给我拼接出一个好像有这回事的答案。装上 MemOS 后它的回答是记得。养虾场项目在上周讨论时确定了三个方向1. 水质自动化监测方案已完成需求文档2. 自动投喂系统的选型调研待执行3. 项目预算的初步估算约需 12 万上次会议你提到了想在月底之前完成方案定型。今天是 7 月 28 日建议本周启动自动投喂系统的调研。这不是翻日志翻出来的。这是记住的。三、真正让我震惊的是它开始自己造 SkillsHermes Agent 本身有一个自动技能创建的能力——当它解决了一个复杂问题可以自动把解决过程写成一份 SKILL.md以后遇到类似问题直接复用。但在原生记忆系统下这个能力其实用不太起来。因为它不记得以前解决过什么问题——每次会话都是独立的它不知道某个技能是在什么上下文下创建的。装上 MemOS 之后情况变了。周一我在处理一个数据清洗任务——把一堆乱七八糟的传感器数据整理成标准格式填充缺失值剔除异常点输出规整的 CSV。Hermes 花了几分钟帮我搞定了。周二我又遇到一批新的传感器数据正准备发指令。结果 Hermes 先说话了我注意到你又在处理传感器数据清洗。上周一我已经为这个场景创建了一个技能sensor-data-cleaning。需要我直接用这个技能来处理这批新数据吗我当时一愣——它怎么知道的后来我查了 MemOS 的日志才明白周一创建那个技能的时候MemOS 记录了创建技能时的场景上下文——包括我之前讨论过的养虾场项目、传感器品牌、数据格式偏好。周二我发新数据时MemOS 自动匹配了上下文主动推荐了那个技能。它不光学会了怎么做。它学会了什么时候该用。然后事情开始加速。接下来的几天里Hermes 自己创建了以下技能shrimp-pond-water-quality-report— 每周自动生成水质报告sensor-data-validator— 验证传感器数据完整性meeting-minutes-template— 养虾场项目会议纪要模板budget-estimator— 项目预算估算工具wechat-article-draft— 公众号文章初稿生成每一个技能都不是我让它创建的。是它自己发现这个模式出现第二次了我应该把它固化成技能。装了记忆系统之后它像一个实习生突然开了窍。以前你说一句它动一下。现在它会主动说这个我见过我有个方案。四、MemOS 解决了什么问题回到本质问题Hermes 原生记忆和 MemOS 的区别到底是什么Hermes 原生记忆 MemOS记忆方式日志回放结构化记忆关联性独立会话跨会话知识图谱主动调度❌ 需要手动✅ 上下文预测技能推荐❌ 不记得✅ 自动匹配场景遗忘机制没有有自动归档不重要的跨应用❌ 仅限 Hermes✅ 可共享给其他 AI原生记忆是过去发生了什么。MemOS 是从过去学到了什么。五、不只是 HermesMemOS 可以给任何 AI 装上大脑MemOS 并不是 Hermes 专属的。它通过统一的 API 接口可以接入任何 AI 应用。你在 WorkBuddy 上可以用在 Claude 上可以用在自己的 Python 脚本里也可以用。from memoryos import MemOSclient MemOS(api_keyyour_key)client.save(user_preference, {theme: dark, language: zh})# 下次调用pref client.recall(user_preference)这意味着你可以给自己的 AI 工具链装一套统一的记忆系统。WorkBuddy 里讨论的方案Hermes 也能知道Hermes 创建的技能WorkBuddy 也能调用今天在 Telegram 上和 AI 聊的内容明天在终端里继续记忆不是属于某个 AI 的——记忆是属于你的。六、一些问题当然MemOS 也不是完美的。性能消耗装了 MemOS 之后Hermes 的启动时间和响应时间略有增加——大约慢了 10-15%。这是可以接受的因为每次启动都要加载和调度记忆。记忆膨胀用了一周之后我的记忆库已经超过 200MB。如果长期使用不做管理记忆会越来越臃肿。MemOS 虽然有遗忘机制但需要手动调整参数才能达到最佳效果。配置复杂度虽然基础安装很简单但要调出好的效果——比如记忆调度的精度、跨会话关联的深度——需要一些调试。对小白用户来说门槛略高。但这些都是可以解决的问题不是架构上的硬伤。写在最后这一周的实验让我对AI 记忆这件事有了全新的理解。以前我总觉得AI 的记忆就是更多上下文 更长的 token 窗口。你给它 128K、1M、10M 的上下文窗口它就能记住更多东西。但 MemOS 让我看到了另一种方向不是长度的问题是结构的问题。人能记住事情不是因为存储空间大。是因为我们会自动判断什么重要、什么不重要会把信息关联起来会在合适的时机想起该想的事。MemOS 做的就是这个。而最让我兴奋的不是AI 记住了一些事。是当 AI 有了记忆之后它开始主动创造——创建技能、推荐方案、预测需求。当一个 AI 开始主动做事而不是等指令的时候它就不再是一个工具了。它开始像一个同事了。关于 Hermes Agent 和 MemOSHermes AgentNous Research 开源 AI 智能体拥有持久记忆和自动技能创建能力。GitHub: NousResearch/hermes-agentMemOS开源 AI 记忆管理系统为 AI 应用提供长期记忆能力。GitHub: MemTensor/MemOS