memos

MemOS est un système d'exploitation de mémoire pour les LLM et les agents IA. Il unifie les opérations de stockage, de récupération et de gestion de la mémoire à long terme, visant des interactions contextuelles et personnalisées, avec des bases de connaissances, des données multimodales, la mémoire d'outils et des optimisations orientées entreprise intégrées. Capacités clés décrites dans le README : - API mémoire unifiée : une seule API pour ajouter, récupérer, modifier et supprimer de la mémoire, structurée sous forme de graphe inspectable et modifiable plutôt qu'un stock d'embeddings opaque. - Mémoire multimodale : le texte, les images, les traces d'outils et les personas sont pris en charge et peuvent être récupérés et raisonnés conjointement. - Gestion de bases de connaissances multi-cubes : plusieurs bases de connaissances agissent comme des cubes de mémoire composables, permettant l'isolation, le partage contrôlé et la composition dynamique entre utilisateurs, projets et agents. - Ingestion asynchrone via MemScheduler : les opérations de mémoire peuvent s'exécuter de manière asynchrone avec une latence de l'ordre de la milliseconde pour une stabilité sous forte concurrence. - Retour d'information et correction de la mémoire : les souvenirs peuvent être corrigés, complétés ou remplacés via un retour en langage naturel. Options de déploiement : - API cloud : un service hébergé accessible avec une clé API depuis le tableau de bord MemOS ; ajout et recherche de souvenirs via des points de terminaison REST. - Auto-hébergement : Docker Compose démarre l'API MemOS avec Neo4j et Qdrant, ou l'API peut être exécutée directement avec uvicorn si ces services sont déjà disponibles. La configuration couvre le fournisseur LLM, l'embedder, la base de données vectorielle, la base de données de graphes et le planificateur. - Plugins : un plugin cloud et un plugin local intègrent la mémoire dans OpenClaw, Hermes Agent et DeepSeek Harness. Le plugin cloud rappelle les souvenirs avant l'exécution d'un agent et enregistre les nouveaux messages ensuite, et est décrit comme fail-open afin qu'une panne temporaire n'interrompe pas la tâche. Le plugin local stocke la mémoire sur l'appareil dans SQLite et fournit une récupération hybride combinant FTS5 et recherche vectorielle, une déduplication intelligente, une évolution des compétences par niveaux entre traces L1, politiques L2 et modèles du monde L3, une collaboration multi-agents et un tableau de bord Memory Viewer. Les voies d'installation incluent un paquet npm pour le plugin cloud, des installateurs shell et PowerShell pour le plugin local, et Docker ou uvicorn pour le service auto-hébergé. Le projet est sous licence Apache 2.0 et renvoie à la documentation, un article arXiv, Discord et les discussions GitHub. Le README rapporte également des scores de benchmark et des chiffres d'économies de tokens ; il s'agit des propres affirmations du projet et elles ne sont pas vérifiées indépendamment ici.