在 MemOS 2.0 · 星尘（Stardust） 版本中，我们迈出了关键一步——让记忆变得可控、可修正，并更自然地融入业务场景、开源部署及 AI 应用中。

MemOS 2.0 · 星尘（Stardust）不仅是能存记忆，更是可控的 AI 记忆系统：

• 支持知识库；

• 记忆可持续更新、可复用；

• 多模态信息统一管理；

• 智能体工具调用、文件与图片均可记忆；

• 调度系统和本地部署性能提升。

正如 “星尘（Stardust）” 寓意，每一次对话、每一次反馈、每一次工具调用，都是 AI 演化过程中的一粒星尘，见微知著，逐渐构建起智能体的长期经验系统。

一、知识库能力上线

我们正式引入 知识库（Knowledge Base）能力，支持开发者将业务文件直接接入 MemOS，形成可检索、可复用的长期知识资产。

亮点

• 支持 上传文件 / URL 自动解析；

• 一个知识库可 被多个项目共享使用；

• 对话持续进行时，记忆可动态更新与修正。

云服务代码示例

Step 1: 创建知识库并上传文件​​​​​​

import jsonimport osimport requests# 直接在这里填写你的 Key API_KEY = "YOUR API KEY"BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"HEADERS = {"Content-Type": "application/json", "Authorization": f"Token {API_KEY}"}# 1) 创建知识库create_payload = {    "knowledgebase_name": "财务报销知识库",    "knowledgebase_description": "本公司所有财务报销相关的知识汇总",}create_resp = requests.post(f"{BASE_URL}/create/knowledgebase", headers=HEADERS, json=create_payload, timeout=15)create_data = create_resp.json()kb_id = (    create_data.get("knowledgebase_id")    or create_data.get("id")    or create_data.get("data", {}).get("knowledgebase_id")    or create_data.get("data", {}).get("id"))if not kb_id:    raise SystemExit(f"创建知识库失败，返回体: {create_data}")# 2) 上传文件到上面创建的知识库upload_payload = {    "knowledgebase_id": kb_id,    "file": [{"content": "https://cdn.memtensor.com.cn/file/软件采购报销制度.pdf"}],}upload_resp = requests.post(f"{BASE_URL}/add/knowledgebase-file", headers=HEADERS, json=upload_payload, timeout=30)print("create ->", json.dumps(create_data, ensure_ascii=False))print("upload ->", json.dumps(upload_resp.json(), ensure_ascii=False))

Step 2: 知识库检索​​​​​​

import osimport requestsimport jsonos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = {    "user_id": "memos_user_123",    "conversation_id": "1211",    "query": "帮我查一下软件采购报销额度。",    "knowledgebase_ids":["你的知识库ID"] #添加可以访问的知识库id}headers = {  "Content-Type": "application/json",  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/search/memory"res = requests.post(url=url, headers=headers, data=json.dumps(data))json_res = res.json()print(json.dumps(json_res, indent=2, ensure_ascii=False))

开源版本

💡TIPS：

• 仅支持记忆体 ID；

• 鉴权逻辑通过 writable_cube_ids 与 readable_cube_ids 鉴权，原始 mem_cube_id 也可兼容。

代码示例：向某个记忆库中添加文件请求

# 请先进行本地部署，部署文档见：https://docs.openmem.net/cn/open_source/getting_started/rest_api_server
curl --location --request POST 'http://0.0.0.0:8001/product/add' \--header 'Content-Type: application/json' \--data-raw '{  "user_id": "memos_user_123",  "writable_cube_ids": [    "demo_add_cube_001"  ],  "messages": [    {      "type": "file",      "file": {        "file_id": "file_id_001",        "file_data": "这是文件的纯文本内容...",        "filename": "xxx.pdf"      }    }  ]}'

二、全面升级：多模态与 Agent 记忆能力全面开启

MemOS 2.0 在多模态记忆方面进行了重大升级，使智能体能够同时理解和记忆文本、图片、文件和工具调用等多种信息类型，从而提升复杂任务的处理能力。

核心功能

• 工具记忆（Tool Memory）：记录 Agent 工具调用历史并抽取经验，支持任务决策与组合调用。

• 文件与 URL 解析：上传文件或提供 URL，自动解析并切分为可检索记忆块，支持文档问答或摘要生成。

• 图片记忆：对话或文件中的图片可生成视觉记忆，与文本语境自动对齐，可用于图表分析、视觉问答等场景。

特性与优势

云服务代码示例​​​​​​​

import osimport requestsimport json# 替换成你的 MemOS API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = {    "user_id": "memos_user_123",    "conversation_id": "1211",    "messages": [        {            "role": "user",             "content": [                {                  "type": "text",                  "text": "我正在研究MemOS。"                },                {                  "type": "image_url",                  "image_url": {                    "url": "https://cdn.memtensor.com.cn/img/1758706201390_iluj1c_compressed.png"                  }                }            ]        },        {"role": "assistant", "content": "好的，需要我为您解答吗？"}    ]  }headers = {  "Content-Type": "application/json",  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/add/message"res = requests.post(url=url, headers=headers, data=json.dumps(data))print(json.dumps(res.json(), indent=2, ensure_ascii=False))

开源代码示例（添加包含文件和图片的对话）​​​​​​​

# 请先进行本地部署，部署文档见：https://docs.openmem.net/cn/open_source/getting_started/rest_api_server
curl --location --request POST 'http://0.0.0.0:8001/product/add' \--header 'Content-Type: application/json' \--data-raw '{  "user_id": "memos_user_123",  "writable_cube_ids": [    "demo_add_cube_001"  ],  "messages": [    {      "role": "user",      "content": [        {          "type": "text",          "text": "请同时分析这个报告和图表。"        },        {          "type": "file",          "file": {            "file_id": "file_789",            "filename": "analysis_report.pdf",            "file_data": "https://example.com/documents/xxx.pdf"          }        },        {          "type": "image_url",          "image_url": {            "url": "https://example.com/xxxxx.png",            "detail": "auto"          }        }      ],      "chat_time": "2025-11-24T10:23:00Z",      "message_id": "mixed-1"    }  ],  "info": {    "source_type": "report_plus_chart"  }}'

三、记忆可控性：反馈修正 & 精准删除

“能记住”之外，记忆必须是可控的。

MemOS 2.0 不仅能记忆，还让记忆可控、可修正：

• 反馈修正（add_feedback）：支持自然语言替换、补充或小幅语义调整。

• 删除记忆（delete_memory）：可通过 Memory ID 或 File ID 精准删除，避免“脏记忆”影响模型行为。

• 记忆过滤：自定义 tag / info，支持逻辑、比较、集合运算过滤检索结果。

3.1 反馈修正（add_feedback）

用户可对已有记忆进行有效性标注或纠错反馈，e.g.：

“将爱丽丝统一替换为艾丽丝”、 “补充，还会使用在教育场景”、“错误，上个月的报销金额为500元”。

代码示例

云服务​​​​​​​

import osimport requestsimport json# 替换成你的 MemOS API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = {    "user_id": "memos_user_123",    "conversation_id": "1211",    "feedback_content": "设计类软件的采购上限改为1200元",    "feedback_time": "2025-12-02 10:10:10",    "allow_knowledgebase_ids": [        "basebXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX"    ]   # 知识库 ID  }headers = {  "Content-Type": "application/json",  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/add/feedback"res = requests.post(url=url, headers=headers, data=json.dumps(data))print(json.dumps(res.json(), indent=2, ensure_ascii=False))

开源版本​​​​​​​

# 请先进行本地部署，部署文档见：https://docs.openmem.net/cn/open_source/getting_started/rest_api_server
curl --location --request POST 'http://0.0.0.0:8001/product/feedback' \--header 'Content-Type: application/json' \--data-raw '{  "user_id": "memos_user_123",  "writable_cube_ids": [    "demo_cube_001"  ],  "history": [            {"role": "user", "content": "安全与防护类软件采购上限多少元"},            {"role": "assistant", "content": "为2333元"}  ],  "feedback_content": "错了，实际上是1000元"}'

3.2 删除记忆（Delete Memory）

支持通过 Memory ID / File ID 精准删除记忆，避免“脏记忆”长期影响模型行为。

亮点

• 支持批量删除知识库中的文件，系统会自动级联删除相关记忆；

• 支持批量删除记忆。

代码示例

云服务​​​​​​​

import osimport requestsimport json# 替换成你的 MemOS API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = {    "user_ids": ["memos_user_123"],    "memory_ids":["4a50618f-797d-4c3b-b914-94d7d1246c8d"]  }headers = {  "Content-Type": "application/json",  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/delete/memory"res = requests.post(url=url, headers=headers, data=json.dumps(data))print(f"result: {res.json()}")

开源框架​​​​​​​

# 请先进行本地部署，部署文档见：https://docs.openmem.net/cn/open_source/getting_started/rest_api_server# 删除指定memory_ids
curl -X POST "http://0.0.0.0:8001/product/delete_memory" \  -H "Content-Type: application/json" \  -d '{    "writable_cube_ids": ["xxxxxxxx", "xxxssssa"],    "memory_ids": [      "e80f02ea-b53c-4166-aa7d-fd171c49b94b"    ]  }'# 删除指定 file_idscurl -X POST "http://0.0.0.0:8001/product/delete_memory" \  -H "Content-Type: application/json" \  -d '{    "writable_cube_ids": ["xxxxxxxx", "xxxssssa"],    "file_ids": ["file_id1", "file_id2", "file_id3"]  }'

3.3 云服务支持记忆过滤

• 支持添加消息时自定义 tag、info 字段，为转化的记忆打上自定义标签；

• 检索记忆时可使用 filter 参数对检索结果进行过滤，支持比较运算、逻辑运算、集合运算等多种运算符。

代码示例

Step 1: 在添加消息时传入相关可被过滤的字段及值​​​​​​​

{  "user_id": "memos_user_123",  "conversation_id": "memos_conversation_123",  "messages": [    {      "role": "user",      "content": "我喜欢看科幻题材的电影，最喜欢的是《星际穿越》。"    },    {      "role": "assistant",      "content": "这是一个很酷的爱好！要我多帮你推荐几部科幻电影吗？"    }  ],  "tags": ["爱好", "电影偏好"],  "info": {    "keyword": "科幻电影"  }}

Step 2: 检索过滤​​​​​​​

{  "user_id": "memos_user_123",  "query": "我的爱好是什么？",  "filter": {    "and": [      {"keyword": "科幻电影"},      {"create_time": {"gt": "2025-01-01"}}    ]  }}

四、开源版本 Chat 接口正式上线

开源版本新增 Chat 接口，支持：

• 非流式 / 流式交互

• 自动结合个人记忆与知识库进行回复

• 单轮对话结束后自动写入记忆

代码示例​​​​​​​

#请先进行本地部署，部署文档见：https://docs.openmem.net/cn/open_source/getting_started/rest_api_server
# 非流式curl -X POST "http://0.0.0.0:8001/product/chat/complete" \  -H "Content-Type: application/json" \  -d '{    "user_id": "memos_user_123",    "readable_cube_ids": ["xxx"],    "writable_cube_ids": ["xxx"],    "query": "我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？",    "model_name_or_path": "deepseek-r1",    "add_message_on_answer": true  }'# 流式curl -N -X POST "http://0.0.0.0:8001/product/chat/stream" \  -H "Content-Type: application/json" \  -d '{    "user_id": "memos_user_123",    "readable_cube_ids": ["xxx"],    "writable_cube_ids": ["xxx"],    "query": "我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？",    "model_name_or_path": "deepseek-r1",    "add_message_on_answer": true  }'

五、开源版本代码更新啦！

在开源版本里，除了以上新增/更新的功能外，我们针对近期发现的 bug 进行了统一修复。

5.1 BUG 修复

5.1.1 记忆调度任务老接口兼容性问题

原因：Memcube 调整为单例模式，旧版记忆更新任务调用老接口时，误读默认记忆数据库，导致返回非当前用户数据。

修复效果：确保用户记忆隔离正确。

5.1.2 记忆更新任务日志打印问题

原因：Memcube 工作记忆接口返回过多条目，掩盖新添加工作记忆，日志无法正确展示。

修复效果：限制接口返回数量，确保新增记忆在日志中正常呈现。

六、MCP 能力升级：记忆即工具

MCP 新增 delete_memory 和 add_feedback 工具：

• 删除特定用户的记忆

• 提交用户反馈，包括 Agent ID、App ID、允许公开或知识库限制等

MCP 配置示例​​​​​​​

{  "mcpServers": {    "memos-api-mcp": {      "args": [        "-y",        "@memtensor/memos-api-mcp@latest"      ],      "command": "npx",      "env": {        "MEMOS_API_KEY": "xxxxxx",        "MEMOS_CHANNEL": "MCP",        "MEMOS_USER_ID": "xxxxxx"      }    }  }}

Tips：

• 通过控制台申请 MEMOS_API_KEY: 

  https://memos-dashboard.openmem.net/cn/apikeys/

• MEMOS_USER_ID: 确定性的用户自定义个人标识符。

  • 对于同一用户，该环境变量需要在不同设备/客户端中保持一致；

  • 请不要使用随机值、设备ID或聊天会话ID作为用户标识符；

  • 推荐使用：个人email地址、姓名全称或员工ID作为用户标识符。

七、系统升级与轻量化部署

MemOS 2.0 “星尘”在任务调度和本地部署方面进行了核心升级，提升了多租户环境下的系统稳定性、任务处理公平性以及本地部署的灵活性和效率。

7.1 调度系统升级

我们对 调度与底层存储 进行了深度重构：

• 高并发 API 调用优化；

• 调度系统增强，Pending 任务自动恢复；

• 数据库连接管理优化，支持批量插入（Batch Insert），提升多文件写入效率。

云平台用户在大规模调用场景下，将体验到更快、更稳定的记忆写入与检索性能。

AddMessage 写入速度更快，SearchMemory 检索更稳、更准。

7.2 轻量化部署

• 精简包：去除大型依赖，快速部署

• 全量包：完整依赖镜像，支持生产级部署

• 本地优化：最新启动命令 + env 配置简化，支持快速模式和完整模式

写在最后：为什么叫 星尘（Stardust）？

我们希望通过 星尘（Stardust），更好传达 MemOS 2.0 版本带来的不同状态和感知：

每一条对话、一次反馈、一次工具调用
都会成为 AI 演化过程中的一粒星尘。​​​​​​​

MemOS 2.0 不只是“存记忆”，
而是在构建 AI 的长期经验系统。

关于 MemOS

MemOS 为 AGI 构建统一的记忆管理平台，让智能系统如大脑般拥有灵活、可迁移、可共享的长期记忆和即时记忆。

作为记忆张量首次提出“记忆调度”架构的 AI 记忆操作系统，我们希望通过 MemOS 全面重构模型记忆资源的生命周期管理，为智能系统提供高效且灵活的记忆管理能力。