最近在看 Agent / LLM 的长期记忆方案时，发现一个挺有意思的项目：MemOS。它解决的不是「再塞更大的上下文窗口」或者「怎么更好的检索」，而是一个更基础的问题：记忆本身该怎么被管理。github.com/MemTensor/MemOS
做 AI Agent / 多轮问答的时候模型总是忘记上下文，用户的偏好、操作记录、上传的文档就像蒸发了一样。而 MemOS 通过核心的“共享记忆层”，不仅解决了这个问题，还让同一份记忆可以跨项目、跨多个Agent复用。
使用上支持把文件和URL直接接入知识库。对话过程中记忆会持续更新并随着增长逐渐形成偏好记忆，并且能把文本、图片、文件、工具调用等信息统一纳管，必要时还能使用自然语言对已有记忆做纠错和清理。有兴趣的小伙伴可以去项目里面玩玩看。
