O que MemOS faz?
Sistema Operacional de Memória auto-evolutiva para LLMs e Agentes de IA: memória ultra-persistente, recuperação híbrida e reutilização de habilidades entre tarefas, com economia de 35,24% de tokens.
Visão Geral
MemTensor/MemOS é uma camada de memória inteligente que permite que agentes de IA mantenham contexto de longo prazo, aprendam com experiências passadas e reutilizem habilidades de forma eficiente entre diferentes tarefas.
Funcionalidades Principais
- Memória Ultra-persistente: Armazena informações de forma duradoura, mesmo entre sessões.
- Recuperação Híbrida: Combina busca semântica e estruturada para acesso rápido a dados relevantes.
- Reutilização de Habilidades: Habilidades aprendidas são reaplicadas automaticamente em novos contextos.
- Economia de Tokens: Reduz o consumo de tokens em até 35,24%.
Como Funciona
O sistema integra-se como um módulo de memória externo para LLMs e agentes, gerenciando:
- Armazenamento de conhecimento de longo prazo.
- Indexação e recuperação eficiente de informações.
- Evolução autônoma da memória com base no uso.
Plataformas Suportadas
- Claude Code
- Cursor
- Codex
- Outros agentes e LLMs compatíveis com APIs de memória externa.
Configuração
# Instalar o módulo
npm install memtensor-memos
# Configurar variáveis de ambiente
MEMOS_API_KEY=sua_chave_aqui
MEMOS_STORAGE_PATH=./memory_store
Uso Básico
import { MemOS } from 'memtensor-memos';
const memos = new MemOS({
apiKey: process.env.MEMOS_API_KEY,
storagePath: './memory_store'
});
// Armazenar uma habilidade
await memos.store('skill', 'gerar_relatorio', 'Função para gerar relatórios em PDF');
// Recuperar habilidade relevante
const skill = await memos.retrieve('gerar relatório');
Benefícios
- Eficiência: Redução de 35,24% no uso de tokens.
- Persistência: Memória mantida entre sessões e tarefas.
- Adaptabilidade: Aprendizado contínuo e reutilização de habilidades.
Contribuição
Contribuições são bem-vindas! Veja o guia de contribuição em CONTRIBUTING.md.
Licença
MIT