MemroOS：面向智能体工作流的记忆操作系统

MemroOS是一个为智能体工作流设计的记忆操作系统，提供共享记忆、治理编排和NOC风格的操作员控制台，解决多智能体系统中上下文丢失和知识管理的核心问题。

• 原作者/维护者：lac5q
• 来源平台：github
• 原始标题：memroos
• 原始链接：https://github.com/lac5q/memroos
• 来源发布时间/更新时间：2026-06-03T22:12:42Z

原作者与来源

• 原作者/维护者：lac5q
• 来源平台：github
• 原始标题：memroos
• 原始链接：https://github.com/lac5q/memroos
• 来源发布时间/更新时间：2026-06-03T22:12:42Z 原作者与来源\n\n- 原作者/维护者：lac5q\n- 来源平台：github\n- 原始标题：memroos\n- 原始链接：https://github.com/lac5q/memroos\n- 来源发布时间/更新时间：2026-06-03T22:12:42Z\n\n问题背景\n\n原生AI公司正在从一次性提示演示转向触及路线图、收入、代码、支持和内部工具的代理工作流。当前的难题不再是"代理能回答吗"，而是：\n\n- 代理已经知道什么？\n- 这些知识来自哪里？\n- 它在行动前消费了哪些记忆？\n- 哪个框架、代理卡片、MCP服务器或本地工作者实际在执行工作？\n- 谁可以暂停、编辑、恢复、重试或回滚一次运行？\n- 应该从结果中保留什么？\n- 什么时候重复的工作应该变成技能？\n- 什么证明表明工作已被检查？\n- 哪个代理被允许做什么？\n\nMemroOS正是为这一层而构建的。\n\n核心功能架构\n\nMemroOS作为代理的记忆和治理平面，提供七大核心能力：\n\n1. 保留（Retain）\n\n捕获决策、文件、对话、结果和工作流历史。系统会持久化保存产品决策、销售通话记录、工程知识等关键信息，确保代理不会"失忆"。\n\n2. 检索（Retrieve）\n\n在代理开始工作前组装权限感知的上下文包。系统能够根据当前任务智能检索相关的历史记忆和知识，为代理提供完整的背景信息。\n\n3. 编排（Orchestrate）\n\n支持暂停、检查、编辑、恢复、重试和回滚长时间运行的代理工作，并保留审计血缘。这种精细的控制能力使代理工作流更加可控和可靠。\n\n4. 操作（Operate）\n\n在一个控制台中查看记忆健康度、模型效用、实时代理、治理、节省和浪费。NOC风格的操作员界面提供了全面的系统可视性。\n\n5. 调度（Dispatch）\n\n与代理聊天、运行群组会议室站会，并将工作发送给本地、REST或A2A代理，附带来源支持的上下文。支持多种代理运行时环境的集成。\n\n6. 证明（Prove）\n\n将代理输出与消费的记忆、使用的来源、运行的工具、通过的检查和残余风险关联起来。提供完整的可解释性和审计追踪。\n\n7. 改进（Improve）\n\n审查、编辑、批准并将重复的成功工作流提升为持久的治理技能和剧本。促进组织知识的持续积累和能力提升。\n\n竞争基准测试\n\nMemroOS在2026年5月的企业智能体记忆基准测试中表现优异：\n\n| 排名 | 提供商 | 得分 | 说明 |\n|------|--------|------|------|\n| 1 | MemroOS beta live | 84.06 | 具有热路径召回、证明表面和公开评估的治理多代理记忆 |\n| 2 | MemroOS prior baseline | 74.36 | 具有强治理和工作流适配的源代码可用记忆/控制平面 |\n| 3 | Letta | 70.58 | 强大的有状态代理记忆平台 |\n| 4 | Mem0 Platform | 70.44 | 强大的记忆引擎基线 |\n| 5 | Zep | 68.64 | 强大的时序知识图谱记忆 |\n\nBeta加固后的实时召回门测试：\n- 完整套件：8/8 案例通过\n- 通过率：1.0\n- p95召回延迟：469毫秒\n- 层级失败：无\n\n主要使用场景\n\n产品团队\n\n保留客户访谈、发布说明、路线图决策、反对意见和Beta学习。将它们检索到PRD、优先级工作、发布说明和后续工作流中。\n\n销售团队\n\n保留CRM笔记、通话要点、买家偏好、竞争对手提及和客户历史。将它们检索到客户简报、谈话要点、跟进和扩展计划中。\n\n工程团队\n\n保留架构决策、事件、部署修复、仓库模式和代码审查结果。将它们检索到调试计划、迁移、审查、入职和运行手册中。\n\n技术架构亮点\n\nMemroOS基于Next.js 16构建，支持A2A协议，采用本地优先架构。系统包含以下核心模块：\n\n记忆模块\n支持跨向量、图谱和情景记忆的多记忆搜索，在将工作交给代理前检索保留的上下文。\n\n知识模块\n跟踪源文件、新鲜度、集合和知识健康度，供代理消费。\n\n调度模块\n支持任务调度、与代理运行时聊天、运行站会和检查实时委托状态。\n\n技能模块\n审查、编辑、批准并将可重用程序从代理本地剧本提升为企业级工作流。\n\n快速启动\n\n系统提供一键安装脚本：\n\nbash\ncurl -fsSL https://raw.githubusercontent.com/lac5q/memroos/main/install.sh | bash\n\n\n安装脚本会自动检测操作系统、检查先决条件、克隆MemroOS，并提供演示模式（无需配置）或带引导向导的完整设置。\n\n手动安装同样简单：\n\nbash\ngit clone https://github.com/lac5q/memroos.git\ncd memroos\nnpm install\n./setup.sh --demo 仅本地记忆，无需云账户\n./setup.sh --wizard Qdrant Cloud + 完整设置的引导配置\n./setup.sh --status 检查运行中的服务\n\n\n实践意义与价值\n\nMemroOS不是另一个代理框架，而是调度前的上下文平面和执行后的证明轨迹。它解决了多智能体系统中最核心但常被忽视的问题：记忆管理和上下文连续性。\n\n对于AI原生公司的创始人和运营者而言，MemroOS提供了一个统一的平台来管理跨产品、销售、工程、支持和内部运营的代理。对于代理框架用户而言，它提供了Claude Code、Codex、Google ADK、LangGraph等框架所需的保留上下文。\n\n对于产品和工程领导者而言，MemroOS确保在调度前提供来源支持的运行时上下文包，在执行后提供证明轨迹。对于自托管和本地优先的构建者而言，它在一个可检查的仓库中提供记忆、知识、编排、技能、代理、使用和治理。\n\nMemroOS代表了智能体工作流管理的新范式——从单纯的任务执行转向全面的记忆管理和治理编排。