memos

MemOS es un sistema operativo de memoria para LLMs y agentes de IA. Unifica operaciones de almacenar, recuperar y gestionar memoria a largo plazo, con el objetivo de interacciones conscientes del contexto y personalizadas, con bases de conocimiento, datos multimodales, memoria de herramientas y optimizaciones orientadas a empresas integradas. Capacidades clave descritas en el README: - API de memoria unificada: una API para añadir, recuperar, editar y eliminar memoria, estructurada como un grafo que es inspeccionable y editable en lugar de un almacén de embeddings opaco. - Memoria multimodal: se admiten texto, imágenes, rastros de herramientas y personas, y se pueden recuperar y razonar juntos. - Gestión de base de conocimiento multi-cubo: múltiples bases de conocimiento actúan como cubos de memoria componibles, permitiendo aislamiento, compartición controlada y composición dinámica entre usuarios, proyectos y agentes. - Ingesta asíncrona mediante MemScheduler: las operaciones de memoria pueden ejecutarse de forma asíncrona con latencia de nivel de milisegundos para estabilidad bajo alta concurrencia. - Retroalimentación y corrección de memoria: las memorias pueden corregirse, complementarse o reemplazarse mediante retroalimentación en lenguaje natural. Opciones de despliegue: - API en nube: un servicio alojado accedido con una clave API desde el panel de MemOS; añadir y buscar memorias a través de endpoints REST. - Autoalojamiento: Docker Compose inicia la API de MemOS junto con Neo4j y Qdrant, o la API puede ejecutarse directamente con uvicorn si esos servicios ya están disponibles. La configuración cubre proveedor de LLM, incrustador, base de datos vectorial, base de datos de grafo y programador. - Plugins: un plugin en nube y un plugin local integran memoria en OpenClaw, Hermes Agent y DeepSeek Harness. El plugin en nube recuerda memorias antes de una ejecución de agente y guarda nuevos mensajes después, y se describe como fail-open para que una interrupción temporal no interrumpa la tarea. El plugin local almacena memoria en el dispositivo en SQLite y proporciona recuperación híbrida que combina FTS5 y búsqueda vectorial, deduplicación inteligente, evolución de habilidades en niveles a través de rastros L1, políticas L2 y modelos de mundo L3, colaboración multiagente y un panel de Visor de Memoria. Las rutas de instalación incluyen un paquete npm para el plugin en nube, instaladores de shell y PowerShell para el plugin local, y Docker o uvicorn para el servicio autoalojado. El proyecto está licenciado bajo Apache 2.0 y enlaza a documentación, un artículo de arXiv, Discord y discusiones de GitHub. El README también informa puntuaciones de referencia y cifras de ahorro de tokens; estas son afirmaciones propias del proyecto y no se verifican de forma independiente aquí.