MemTensor/MemOS

Was macht MemOS?

Selbstentwickelndes Memory-Betriebssystem für LLMs & KI-Agenten: ultra-persistenter Speicher, hybride Abfrage und wiederverwendbare Fähigkeiten mit 35,24 % Token-Ersparnis

Übersicht

MemTensor/MemOS bietet eine neuartige Speicherverwaltung für KI-Agenten, die über herkömmliche Kontextfenster hinausgeht. Es nutzt eine hybride Retrieval-Strategie, die semantische Ähnlichkeitssuche mit strukturierten Metadaten kombiniert, um relevante Informationen auch über lange Zeiträume hinweg abzurufen.

Hauptmerkmale

• Ultra-persistenter Speicher: Daten bleiben über mehrere Sitzungen und Aufgaben hinweg erhalten.
• Hybride Abfrage: Kombiniert semantische und kontextbezogene Suche.
• Wiederverwendung von Fähigkeiten: Agenten können einmal erlernte Fähigkeiten in neuen Kontexten anwenden.
• Token-Ersparnis: Bis zu 35,24 % weniger Token-Verbrauch durch optimierte Speicherkompression.

Unterstützte Plattformen

• Claude Code
• Cursor
• Codex

Schnellstart

1. Installieren Sie das Paket:

   pip install memtensor-memos
   

2. Initialisieren Sie den Speicher:

   from memtensor import MemOS
   mem = MemOS()
   

3. Speichern und abrufen:

   mem.store("task_123", "Ergebnisse der Datenanalyse.")
   result = mem.retrieve("Analyseergebnisse")
   print(result)
   

Konfiguration

Umgebungsvariablen:

• MEMOS_API_KEY – API-Schlüssel für die Cloud-Integration
• MEMOS_STORAGE_PATH – Lokaler Speicherpfad (Standard: ./memos_data)

Lizenz

MIT