MemOS 工作原理
记忆生产
记忆生产负责把原始对话、行为事件、工具调用和知识内容加工成可检索、可更新、可调度的结构化记忆。
1. 什么是记忆生产
记忆生产是 MemOS 全流程的写入和加工阶段。开发者提交原始信息后，MemOS 会从中抽取事实、偏好、工具使用过程、技能线索和知识内容，并生成后续可以被检索、过滤、调度和更新的记忆单元。
原始信息可以先被完整保存，但真正进入后续推理链路的通常不是整段原文，而是经过抽取、去噪、结构化和版本治理后的记忆。
2. 为什么不能只保存原文
如果把所有原始信息直接保存，并在下次请求时整段塞给大模型，会遇到三个问题：
- 上下文成本高：原始对话、日志和文件通常包含寒暄、重复内容和无关细节，直接拼接会浪费 Token。
- 检索质量不稳定：未经抽取的长文本缺少清晰主题和结构，容易召回“看起来相关但帮不上忙”的片段。
- 长期一致性难维护：用户偏好、居住地、状态会变化，只保存原文无法清楚表达“当前应该相信什么”。
记忆生产的目标就是把“发生过什么”加工成“以后可用什么”。
3. 记忆加工的关键环节
从原始输入到可用记忆，中间不是一次简单的文本保存，而是一个持续整理、形成长期可用认知的过程，通常包括以下几个关键环节：
| 环节 | 作用 |
|---|---|
| 抽取 | 从原始对话、事件或文档里识别值得长期保留的信息 |
| 结构化 | 将信息整理成事实、偏好、工具、技能、知识等可区分的记忆类型 |
| 去噪 | 过滤寒暄、重复内容、临时上下文和低价值流水信息 |
| 合并 | 将相同或相近的信息归并，减少重复记忆 |
| 演化 | 当用户状态或偏好变化或有冲突时，更新当前可信记忆，并保留必要历史轨迹 |
4. 例子：从对话到记忆
原始对话：
User: 我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？
Assistant: 您可以考虑【七天、全季、希尔顿】等等
User: 我选七天
Assistant: 好的，有其他问题再问我。
可能生成的记忆如下所示：
- 事实记忆来自原文明确表述；
- 偏好记忆结合了上下文推理，总结用户偏好。
- 事实记忆：用户计划在暑假期间前往广州旅游。
- 事实记忆：用户在广州住宿选项中选择了七天连锁酒店。
- 隐式偏好：用户可能偏好经济实用型酒店。<推理依据：用户在七天、全季、希尔顿等选项中选择七天，但原始对话没有明确说明预算原因。>