華為諾亞開源 MindMemOS：記憶可跨 Agent 遷移，LoCoMo 評測達 94.03 分

據量子位報導，華為諾亞方舟實驗室開源面向 AI Agent 的記憶操作層 MindMemOS，將記憶從單一 Agent 解耦，支援跨應用與框架遷移，並讓記憶內容、提取策略及 Skill 隨使用經驗演進。 MindMemOS 以「實體、屬性、時間」三維結構保存最新狀態與完整演化軌跡，讓同一實體的屬性變化沿時間軸串聯。MindVanilla 模式可直接接收對話、文字與工具執行軌跡；MindSchema 模式則先定義領域中的實體與屬性，再執行片段切分、屬性級記憶生成、等價實體融合與圖結構合併，也能依指定任務與標註問答離線演化提取策略。 其 Compact Search 由外層 Agentic 模組分析查詢、規劃檢索路徑並判斷資訊是否充足，內層工具則支援實體與屬性雙向搜尋、多跳關係擴展及屬性時間線追蹤，不只進行單次向量相似度比對。 Dreaming 會在離線階段識別重複、衝突與演化關係，合併冗餘內容、封存被新事實取代的舊記憶，並保留 supersedes 關係。在 MemoryAgentBench 的 FactConsolidation 測試中，Dreaming 將 19.4% 至 23.5% 的活躍記憶轉入封存，同時使問答準確率最高增加 10.3 個百分點。 Feedback 支援顯性與隱性回饋，可從使用者的糾正、不滿或新偏好判斷資訊應新增、更新、封存、刪除或強化，並改寫既有記憶的語意結構與後續檢索結果。 MindMemOS 也提供 Skill 註冊、版本鏈、同步與回復能力，並透過 Memory Add 介面收集真實任務軌跡。在包含 400 個表格操作任務的 SpreadsheetBench-Verified 三次重複實驗中，MindEvolve-Unsup 僅依執行軌跡便把成功率由 51.3% 提升至 55.3%；加入任務評分後，MindEvolve-Sup 達到 57.2%±2.4%，較 No-skill 高 5.9 個百分點，較未演進的 Init-skill 高 9.2 個百分點。 長期記憶評測方面，MindMemOS-Modeling 在包含 10 組超長多輪對話的 LoCoMo 上取得 94.03 分；測試採用 gpt-4.1-mini 作為回答模型，並與 EverOS 預設的系統、檢索、回答及評判設定對齊。在 PersonaMem 上，MindMemOS-MindSchema 準確率為 70.63%，MindMemOS-MindVanilla 則為 67.74%，略高於 Baseline。 開源程式提供 FastAPI HTTP 介面、Python SDK、CLI、Skills 與 OpenClaw 外掛，涵蓋 add、search、update、delete、feedback 及 dreaming 等記憶生命週期操作，可在本機部署或透過雲端 API 接入，並採用 MIT License。MindMemOS 亦已接入 LLM4AD_Next，以任務、專案及全域三層記憶保存演算法搜尋經驗，支援自動匹配歷史經驗的 Auto Mode，以及由研究人員指定記憶的 Manual Mode。