myWiki/raw/articles/memtensor-memos-agent-memory-2026.md

title, created, updated, type, source, speaker, company, publisher

title	created	updated	type	source	speaker	company	publisher
MemOS：Agent 记忆系统从效率工具到生存关键	2026-06-19	2026-06-19	article-raw	https://mp.weixin.qq.com/s/5Wo91nzstNtCIV9chnuQmw	熊飞宇	记忆张量（MemTensor）	DataFun

MemOS：Agent 记忆系统从效率工具到生存关键

分享嘉宾：熊飞宇，记忆张量（上海）科技有限公司创始人兼CEO，上海算法创新研究院大模型中心负责人 出品社区：DataFun

核心观点

记忆（Memory）正在成为 AI Agent 最大的短板。ChatGPT 上线个人记忆功能 + OpenClaw 连续型 Agent 出现后，行业形成共识：记忆不再是锦上添花，而是 Agent 能否持续进化的核心要素。

内容概要

1. 记忆演进：从效率工具到生死关键

• ChatGPT 记忆功能：个性化理解是 AGI 时代的关键
• OpenClaw 出现：缺乏良好记忆系统，长程 Agent 任务无法顺利执行
• 从 single-session → multi-session/multi-user/multi-agent/multi-apps，复杂度指数增长

2. 两条技术路径

• 模型驱动：Memorizing Transformers 等架构创新，成本极高，失败风险大
• 应用驱动：Prompt/Agent 流模拟记忆（Mem0, Zep），轻量但结合不紧密
• MemTensor 做法：融合两条路径——模型驱动决定上限，应用驱动决定下限

3. MemOS 五层架构

• 记忆存储层：MemCube（最小记忆单元）+ MemStore（可交易记忆市场）
• 记忆治理层：权限管理、生命周期、水印、隐私
• 记忆调度层：核心——明文记忆、激活记忆、参数记忆三层协同
• 编解码层 + 应用层

4. 三层记忆协同

• 明文记忆（Explicit）：Prompt/Agent 流处理，业界主流
• 激活记忆（Activation）：KV Cache 管理，优化缓存命中率和 token 消耗
• 参数记忆（Parameter）：行业 know-how 通过后训练注入大模型

5. 平台规模

• GitHub 8.5K Star，社区 1.2 万+ 活跃用户
• 云服务单月调用量 2500 万+，月涨幅 100-200%
• 单次请求节省 45-72% token

6. MemOS 增强 OpenClaw（六大维度）

• 存储类型、检索（多路召回/时间衰减/去重）、进化（Mem2Skill）、可视化、协作（Hub）
• 三级去重漏斗：SHA-256 → 向量余弦相似度 → LLM Judge
• 平均压缩比 75%+，token 消耗降低近 50%
• 核心创新 Mem2Skill：记忆不止于被搜到，而是内化为能力

7. ClawForce 企业产品

• 解决五痛点：部署难、经验散、响应遗漏、场景受限、数据不可追溯
• 五层设计：智能中枢 + 记忆层 + Skill 引擎 + 事件监听 + 工具链接
• 三重安全：事前隔离 → 事中脱敏加密 → 事后审计
• 场景：研发全链路自动化、电商 7×24 监控、公文写作（-85% 耗时）、销售（客户触达翻倍）

8. 一体机方案

• NVIDIA DGX 一体机（128G 显存 + 内存共享）
• 中国电信国产算力方案