agent-memory-v3

基于 MemOS（Apache-2.0）二次开发的 agent 长期记忆系统 v2， 目标是补齐 MemOS 云端版独有的「按类别抽取 + 按视图分发」管线能力（不改存储引擎）， 形成 100% 本地部署、可外接自有 AI API、经 MCP 接入 Codex 等编码 agent 的记忆系统， 替代前代 agent-memory-skill（SQLite + 标签精确召回）。

修改声明：本仓库是 MemOS v2.0.34（commit 41bf5c7f）的修改版，依 Apache-2.0 许可证发布； 上游 LICENSE 原样保留，全部差异登记于 PATCHES.md，基线信息见 UPSTREAM.md。

一期范围：六路记忆管线

写入时按类别 key 并行抽取，读出时按类别视图分发（对齐 MemOS 云版 API 形状）：

明确不做：Profile 模板路、知识库路（内置文档 RAG）、Dashboard 治理面板。

Related MCP server: memento

How to start（for your agent）

前置条件：Docker（Neo4j + Qdrant + Redis + MemOS 服务）、一个 OpenAI 兼容 LLM 端点、bge-m3 embedding。

# 部署目录在设备本地 llwwds_application/docker_file/memos/（不在本仓库内）
cd ~/llwwds_application/docker_file/memos
cp .env.example .env        # 填入 LLM/embedder 端点与密钥
docker compose up -d
docker compose ps           # 等待全部 healthy

# 最小验证：写入并召回
curl -s localhost:8000/product/add/message -H 'Content-Type: application/json' \
  -d '{"messages":[{"role":"user","content":"我喜欢用 VSCode 写代码"}],"user_id":"test"}'
curl -s localhost:8000/product/search/memory -H 'Content-Type: application/json' \
  -d '{"query":"我用什么编辑器","user_id":"test"}'

MCP 接入（Codex，~/.codex/config.toml）：

[mcp_servers.memos]
command = "<venv-python 路径>"
args = ["<仓库路径>/src/memos/api/mcp_serve.py"]

文件夹定义

设计思路

核心架构决策与数据流见本仓库 docs/ 与知识库权威计划文档 （obsidian_file/02 项目/021 专业项目/0211 个人项目/agent_sql_memory/计划 2026-10-03 MemOS 二次开发 v2 开发计划.md）。

一句话本质：云版没有为类别记忆加存储层，加的是「写路径上的分类抽取」+「读路径上的分类分发」； 开源版存储层字段全在、响应模型已预定义，二次开发是填空，不是造轮子。

当前状态

• M0 环境与基线：进行中（基线导入完成，bug 修复与闭环验证进行中）。

• 里程碑与验收标准以知识库权威计划文档为准。

License

Apache-2.0（继承上游 MemOS）。