MemOS เป็นระบบปฏิบัติการ Memory สำหรับ LLM และ AI Agent ที่พัฒนาโดย MemTensor ปัจจุบันเวอร์ชันล่าสุดคือ v2.0.14 ที่มีชื่อรหัสว่า "Stardust" ได้รับความนิยมอย่างสูงด้วย 8.8K stars และ 1,461 commits บน GitHub
ประสิทธิภาพที่เหนือกว่า
MemOS แสดงผลลัพธ์ Benchmark ที่น่าประทับใจเมื่อเทียบกับระบบอื่นๆ: เพิ่มความแม่นยำ 43.70% เทียบกับ OpenAI Memory ประหยัด Token ได้ 35.24% ช่วยลดค่าใช้จ่ายในการใช้งาน LoCoMo Score 75.80 - คะแนนสูงในการทดสอบความจำระยะยาว LongMemEval +40.43% - การประเมินความจำระยะยาวดีขึ้นกว่า 40% PrefEval-10 +2568% - ประสิทธิภาพในการทำนายที่เพิ่มขึ้นอย่างมหาศาล PersonaMem +40.75% - ความสามารถในการจดจำบุคลิกของผู้ใช้
คุณสมบัติหลักของ MemOS
1. Unified Memory API
API เดียวที่จัดการทุกอย่างเกี่ยวกับ memory: Add - เพิ่มข้อมูลใหม่เข้าสู่ระบบ Retrieve - ดึงข้อมูลกลับมาใช้งาน Edit - แก้ไขข้อมูลที่มีอยู่ Delete - ลบข้อมูลที่ไม่ต้องการ โดยรองรับโครงสร้างแบบ graph ที่สามารถตรวจสอบและแก้ไขได้ง่าย
2. Multi-Modal Memory
MemOS รองรับข้อมูลหลายประเภทในระบบ memory เดียวกัน: Text - ข้อความทั่วไป Images - รูปภาพและกราฟิก Tool traces - การบันทึกการทำงานของเครื่องมือต่างๆ Personas - ข้อมูลบุคลิกและลักษณะของผู้ใช้
3. Multi-Cube Knowledge Base
ระบบจัดการฐานความรู้แบบ composable memory cubes: แยกข้อมูลตาม user ผู้ใช้แต่ละคน แยกข้อมูลตาม project โปรเจกต์ต่างๆ แยกข้อมูลตาม agent agent ต่างๆ สามารถแชร์ข้อมูลระหว่าง cubes ได้ตามต้องการ
4. MemScheduler
ระบบประมวลผลแบบ asynchronous ที่มี: Millisecond latency - ความเร็วสูงในการประมวลผล High concurrency support - รองรับการทำงานพร้อมกันหลายๆ งาน Efficient resource management - การจัดการทรัพยากรอย่างมีประสิทธิภาพ
5. Memory Feedback and Correction
ระบบปรับปรุงความจำที่ฉลาด: ปรับปรุง memory ด้วย natural language feedback การเรียนรู้จากข้อผิดพลาดและข้อเสนอแนะ พัฒนาคุณภาพความจำอย่างต่อเนื่อง
Plugin สำหรับ OpenClaw/Hermes
MemOS มี plugin พิเศษสำหรับระบบ OpenClaw และ Hermes:
Cloud Plugin
ลด token usage 72% - ประหยัดค่าใช้จ่ายในการใช้งานอย่างมาก Multi-agent memory sharing - แชร์ความจำระหว่าง agent หลายตัวผ่าน user_id เดียวกัน Synchronized memory access - การเข้าถึงความจำที่ซิงโครไนซ์กัน
Local Plugin
100% on-device - ทำงานบนเครื่องโดยสมบูรณ์ SQLite storage - เก็บข้อมูลด้วย SQLite ที่เสถียรและเร็ว Hybrid search - การค้นหาแบบผสมผสาน (FTS5 + vector) Task summarization - การสรุปงานอัตโนมัติ Skill evolution - การพัฒนา skill ของ agent Memory Viewer dashboard - หน้าจอแสดงความจำสำหรับดูและจัดการ
การรองรับ LLM Providers
MemOS รองรับผู้ให้บริการ LLM หลายราย: OpenAI - ผู้ให้บริการรายใหญ่ Azure OpenAI - OpenAI บน Azure Qwen (DashScope) - โมเดลจาก Alibaba DeepSeek - โมเดลจากจีน MiniMax - ผู้ให้บริการจากจีน Ollama - ระบบทำงานโมเดลในเครื่อง HuggingFace - แพลตฟอร์มโมเดลโอเพนซอร์ส vLLM - ระบบ inference ความเร็วสูง
วิธีการ Deploy
MemOS สามารถติดตั้งและใช้งานได้หลายวิธี:
Docker
Kubernetes/Helm
Uvicorn CLI
memos serve --port 8000การค้นหาข้อมูลภายนอก
MemOS รองรับการค้นหาข้อมูลภายนอกผ่าน Tavily ซึ่งทำหน้าที่เป็น internet search backend ช่วยให้ AI agent สามารถค้นหาข้อมูลล่าสุดจากอินเทอร์เน็ตได้ MemOS v2.0.14 Stardust เป็นการพัฒนาครั้งใหญ่ที่ช่วยให้ AI agent มีความจำที่ฉลาดและมีประสิทธิภาพยิ่งขึ้น ไม่ว่าคุณจะใช้งานบน cloud หรือ on-premise MemOS ก็สามารถตอบโจทย์การใช้งานได้อย่างครบถ้วน อ่านต้นฉบับ: https://github.com/memtensor/memos