大模型之家讯 在大模型持续演进的背景下，一项名为 MemOS 的新框架近日引发业内关注。研发方将其定义为面向大模型的“记忆管理”操作系统框架（Memory Operating System），试图以系统级机制，为模型提供结构化、可调度、可迁移的记忆能力，从而使交互呈现更接近“连续思考”的效果。
在魔搭社区（ModelScope）中，用户现已可以一键启用 MemOS 的智能记忆系统，让模型或智能体具备跨会话的持久化记忆能力，并伴随使用过程实现自适应更新。
重新定义上下文：从“临时缓存”到“系统记忆”
根据公开资料，MemOS 将传统意义上的上下文扩展为一种可持久化、可操作、可演化的记忆结构，并通过类似操作系统的框架进行管理。研发方称，记忆在其中被视为独立资源，能够被写入、归档、检索或遗忘，并在内部形成语义关联与时间逻辑。这意味着基于 MemOS 的智能体，不再完全依赖单一上下文窗口，而更接近一种“记忆堆栈”式的结构化管理。
在实际交互中，系统可在较长时间跨度内延续推理链路，使模型对用户偏好、事实性内容等形成稳定理解，不过相关表现仍会因模型能力、任务类型等因素而存在差异。
在底层交互方式上，MemOS 通过 MCP（Model Context Protocol）的标准 I/O 通道实现与智能体的连接。每一次记忆操作都会被抽象为事件流（Event Stream），可适配任何支持 MCP 的模型，无需改动模型主体逻辑。
从协议层看，MemOS 会自动维护记忆索引（embedding、BM25、graph 三类结构并行）、偏好与事实分类，以及生命周期管理（active、frozen、archived），从而减少开发者在上下文管理上的额外工作量。
在魔搭社区进行实践：配置、试用与扩展
MemOS 已正式上线魔搭社区的 MCP 广场。用户可以在 “MemOS on ModelScope MCP” 页面创建服务连接，并通过填写 MEMOS_API_KEY 和 MEMOS_USER_ID 完成接入。创建完成后，即可利用社区提供的云端资源部署专属的 MemOS MCP 服务。
部署成功后，用户可在 MCP 实验场开始试用。系统会根据对话内容自动调用记忆模块，例如记录偏好信息，并在后续交互中做出相应回应。试用过程需绑定阿里云账号以完成模型推理。
值得一提的是，MemOS 的使用不局限于魔搭社区。通过 MCP 协议，用户可以在其他兼容客户端中使用这一服务，包括 Claude for Desktop、Cursor、Coze 等工具。所有的操作——写入记忆（add_memory）、检索记忆（search_memory）、获取消息（get_message）——都基于 MCP 标准完成，无需额外安装 SDK 或插件，这为跨平台使用提供了较高的灵活度。
系统化记忆的探索仍在继续
随着行业对“长期记忆”“个性化行为”与“认知连续性”等能力的关注度上升，MemOS 的出现为模型记忆管理提供了新的思路。从现阶段来看，这一框架在结构化记忆、协议化接入等方面给出了一种范式，也为开发者在构建智能体时减少了部分工程负担。不过，它在不同模型、不同任务场景中的效果如何，以及在大规模部署下的稳定性与安全性表现如何，还需要更长期的观察与验证。
原创文章，作者：志斌，如若转载，请注明出处：http://www.damoai.com.cn/archives/13641
