项目地址：https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin
许可证：MIT
技术栈：TypeScript · SQLite · Vite · JSON-RPC · SSE
一、项目定位
MemOS Local Plugin（@memtensor/memos-local-plugin）是一个本地优先、文件驱动的 AI 代理记忆系统，核心理念为"Reflect2Evolve"——通过反思驱动进化。它为代理提供四层协作记忆和一个反馈驱动的自我进化循环，使代理不仅能记住过去，更能从经验中学习并持续提升。
项目支持 OpenClaw 和 Hermes Agent 两种代理适配器，算法核心与代理无关，通过 JSON-RPC 协议实现解耦。
二、四层记忆架构
| 层级 | 名称 | 职责 |
|---|---|---|
| L1 | Trace（轨迹） | 步骤级接地记录：动作 + 观察 + 反思 + 价值评估 |
| L2 | Policy（策略） | 跨多条轨迹归纳的子任务策略 |
| L3 | World Model（世界模型） | 从 L2 + L1 推导的压缩环境认知 |
| Skill（技能） | 可调用的结晶化能力 | 代理可直接调用的固化能力包 |
四层之间形成自下而上的归纳链：L1 记录原始经验，L2 提炼可复用策略，L3 构建全局认知，Skill 将高价值模式结晶为可直接调用的能力。推理时通过三级检索器（Skill → Trace/Episode → World Model）在正确的时间注入正确的上下文。
三、双通道反馈与奖励回传
系统从两个反馈通道持续学习：
- 步骤级反馈：模型 ↔ 环境（工具执行结果、观察增量）
- 任务级反馈：人类 ↔ 模型（显式评分 + 隐式信号）
反思加权的奖励沿每条轨迹回传，高价值模式自动结晶为可复用 Skill。这一闭环使代理从"被动记忆"进化为"主动学习"。
四、数据架构与安全性
运行时数据存储在代理专属目录（如 ~/.openclaw/memos-plugin/），核心包括：
-
config.yaml：唯一配置文件（含 API Key，chmod 600 保护） -
data/memos.db：SQLite 数据库（L1/L2/L3/Skill/Episode/Feedback 等） -
skills/：结晶化技能包 -
logs/：旋转日志（含审计日志和性能日志）
升级或卸载插件绝不触碰 data/、skills/、logs/ 和 config.yaml，确保数据安全。
五、快速上手
# 安装
npm install -g @memtensor/memos-local-plugin
# 为指定代理初始化
memos-local-plugin install openclaw # 或 hermes
# 可选：编辑配置
$EDITOR ~/.openclaw/memos-plugin/config.yaml
# 查看运行时可视化面板
open http://127.0.0.1:18910/
内置运行时 Viewer 通过 HTTP + SSE 提供，代理首次交互时自动启动，支持实时监控记忆捕获、奖励回传、策略归纳和技能结晶的全流程。
六、项目价值
MemOS Local Plugin 填补了当前 AI 代理生态中"持久化进化记忆"的空白。大多数代理每次会话从零开始，无法积累经验；而 MemOS 的四层记忆 + 双通道反馈 + 技能结晶机制，使代理真正具备"越用越好"的能力。本地优先的架构确保数据主权，SQLite + 文件存储的轻量设计降低了部署门槛。
本文基于 MemTensor/MemOS 项目开源文档撰写，信息获取时间：2026 年 5 月 7 日。
💡 关于我 & 延伸交流
我是鸿枫，一名专注后端/全栈的技术爱好者 👋
平时会整理：
• 技术实战笔记 • 项目踩坑复盘 • 学习路径分享
如果你也对这类内容感兴趣，欢迎来 鸿枫技术栈 交流～
公众号 搜索即可
本文由mdnice多平台发布
