很多 Agent 项目一谈“记忆”，最后就落到一句话：我们接了个向量库。
MemOS 2.0 的野心明显更大。GitHub 元数据显示，MemTensor/MemOS 在 2026 年 6 月 18 日仍有推送，Apache-2.0 许可，星标约 9925。README 把它定义为 Memory Operating System for LLMs and AI agents，统一 store、retrieve、manage，支持长期记忆、KB、多模态、工具记忆和企业优化。
它的关键不只是“存得多”，而是“能被管理”。README 里写到 unified memory API、memory feedback and correction、multi-cube knowledge base、asynchronous ingestion、tool memory，以及面向 Hermes Agent 和 OpenClaw 的本地插件。这里的思路是：记忆不是黑盒 embedding，而应该能编辑、能纠错、能分层。
这对长期 Agent 很重要。一个代理如果只能把过去对话摘要塞回 prompt，它就会越来越像一个记性差但很自信的人。记忆系统需要有边界、来源、更新时间和删除能力。
我会先把 MemOS 用在个人知识助理、研究助手和多 Agent 协作里。客服、医疗、财务这类场景要更谨慎，因为错误记忆比没有记忆更危险。
Agent 记忆这条线会继续热。MemOS 的价值在于提醒大家：记忆层不是附属功能，它可能会变成 Agent 平台的核心状态层。
主要来源：