Loading video...

Video Failed to Load

Go Home

兄弟们,这个思路牛P OpenMemory MCP：统一的 AI 记忆管理平台 本地运行 存储、组织和管理你的“记忆” 让你的记忆可以在各个AI之间流动 - 提供一个统一、结构化、私有的“记忆层 - 记忆本地化管理，隐私安全 - 通过权限模型，用户主导数据流动 - 支持扩展，适用于多类 AI 客户端生态 可以让你在 Claude、Cursor、Windsurf 等 LLM 工具之间持续使用历史信息、对话风格、偏好和项目状态，从而实现真正的跨平台、连续性 AI 交互体验。 可以理解为：你的 AI 个人助理第一次有了一块真正“属于你”的持久记忆模块，还能在各种AI之间来回调用，同时确保隐私和控制权掌握在用户手中。

xiaohu's profile picture

小互

102,927 subscribers

56,126 views • 1 year ago •via X (Twitter)

Health & WellnessScience & TechnologyEducation
LIVE

Anya Rossi• Live Now

Private livecam show

2 Comments

小互's profile picture
小互1 year ago

例如：你在 Claude 中讨论了一个 API 设计，转到 Cursor 编码时，仍能访问设计细节、约束和需求。 存储你在不同任务中的提示风格，让不同工具可以模仿或延续风格。 详细内容：

⚜️这届人类不行⚜️'s profile picture
⚜️这届人类不行⚜️1 year ago

敢做数字分身，就像在大象的通道上造房子🏠？

Related Videos

概念不错，一款LLM通用记忆MCP：Supermemory MCP，作用是让不同的AI，比如ChatGPT、Windsurf、Claude等之间可以共享上下文 也就是说你与一个LLM的对话内容可以被其他LLM访问和使用，实现更连贯的对话体验 目前，它的记忆只基于用户与LLM的互动更新，或许扩展到连接Google Drive、Notion等个人应用 其使用按需搜索和检索方式，远程存储，本身没有上下文大小的限制，理论上可以提供近乎无限的上下文 这个工具解决了不同AI之间记忆割裂的问题，Supermemory MCP相当于提供了一个统一的记忆解决方案，可以实现在不同AI之间共享和延续对话 #AI记忆共享 #MCP #AI记忆工具
2:22

概念不错，一款LLM通用记忆MCP：Supermemory MCP，作用是让不同的AI，比如ChatGPT、Windsurf、Claude等之间可以共享上下文 也就是说你与一个LLM的对话内容可以被其他LLM访问和使用，实现更连贯的对话体验 目前，它的记忆只基于用户与LLM的互动更新，或许扩展到连接Google Drive、Notion等个人应用 其使用按需搜索和检索方式，远程存储，本身没有上下文大小的限制，理论上可以提供近乎无限的上下文 这个工具解决了不同AI之间记忆割裂的问题，Supermemory MCP相当于提供了一个统一的记忆解决方案，可以实现在不同AI之间共享和延续对话 #AI记忆共享 #MCP #AI记忆工具

AIGCLINK

24,415 views • 1 year ago

如何让你的AI永不失忆呢？ 大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。 当它忘记重要的事情后，给你的回答就会显得无比弱智。 下面我给你提供两个解决方案，一个手动的，一个自动的 手动的方案是去管理Agent的三部分记忆： 即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。 会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来 长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。 但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw） 所以，我们还需要备份AI的记忆。 这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。 这个项目现在已经有快800star了！！ 下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性
1:44

如何让你的AI永不失忆呢？ 大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。 当它忘记重要的事情后，给你的回答就会显得无比弱智。 下面我给你提供两个解决方案，一个手动的，一个自动的 手动的方案是去管理Agent的三部分记忆： 即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。 会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来 长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。 但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw） 所以，我们还需要备份AI的记忆。 这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。 这个项目现在已经有快800star了！！ 下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

铁锤人

104,187 views • 1 month ago

Anthropic的工程师Kevin的一个分享。 价值$1000 刀，关于agent memory的workshop。 这将是 AI memory的主流，提前一年了解它，成为记忆专家。 非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化 看完这个视频，接着阅读下面的这篇文章。 你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。
28:22

Anthropic的工程师Kevin的一个分享。 价值$1000 刀，关于agent memory的workshop。 这将是 AI memory的主流，提前一年了解它，成为记忆专家。 非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化 看完这个视频，接着阅读下面的这篇文章。 你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。

实践哥 Li

106,192 views • 4 months ago

长期记忆是 AI 行业 2025 年最重要的探索方向之一。 今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。 它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。 平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。 有了这些数据作为长期记忆，就有了很多新的可能性。 比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。 比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。 团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。
1:45

长期记忆是 AI 行业 2025 年最重要的探索方向之一。 今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。 它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。 平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。 有了这些数据作为长期记忆，就有了很多新的可能性。 比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。 比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。 团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。

Orange AI

55,351 views • 1 year ago

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文 这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升
0:20

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文 这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

梭哈.AI

25,025 views • 4 months ago

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分 没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的 于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构 结果行业 benchmark 首个满分，MIT开源，纯本地运行 一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西 真是充满想象力的时代
3:50

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分 没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的 于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构 结果行业 benchmark 首个满分，MIT开源，纯本地运行 一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西 真是充满想象力的时代

Ray Wang

1,034,379 views • 5 months ago

🦞OpenClaw 创始人接受 YC 采访：『大模型没有「永恒护城河」，真正的壁垒是模型强度和用户记忆。』 🗝️你不可能把你的记忆从 ChatGPT 里导出来，反正肯定没有办法让另一家公司获取你的记忆。所以这些公司都在试图把你绑定在它们自己的数据孤岛里。 🗝️而 OpenClaw 的美妙之处在于，它直接“抓取”数据。
2:19

🦞OpenClaw 创始人接受 YC 采访：『大模型没有「永恒护城河」，真正的壁垒是模型强度和用户记忆。』 🗝️你不可能把你的记忆从 ChatGPT 里导出来，反正肯定没有办法让另一家公司获取你的记忆。所以这些公司都在试图把你绑定在它们自己的数据孤岛里。 🗝️而 OpenClaw 的美妙之处在于，它直接“抓取”数据。

TechFlow 深潮｜APP 已上线

70,935 views • 7 months ago

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。 他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。 记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。 最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。 你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊
1:00

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。 他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。 记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。 最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。 你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,640 views • 8 months ago

卧槽 Claude 动手抄 OpenAI 老家了 一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。 众所周知 ChatGPT 的一大核心竞争力就是其 记忆系统 很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。
0:58

卧槽 Claude 动手抄 OpenAI 老家了 一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。 众所周知 ChatGPT 的一大核心竞争力就是其 记忆系统 很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

小互

235,179 views • 7 months ago

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent
1:03

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent

AIGCLINK

16,775 views • 1 year ago

如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。 我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”： 只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。 这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承； 一个 Agent 总结出的经验，另一个 Agent 可以继续使用。 记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。 新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。 当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！ 这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。 具体看视频，地址在评论区👇
2:44

如何让多个 Agent 之间真正互相学习、互相帮助？ 现在很多 Agent 都开始有自己的记忆，但问题是： 这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。 最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。 我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”： 只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。 这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承； 一个 Agent 总结出的经验，另一个 Agent 可以继续使用。 记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。 新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。 当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！ 这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。 具体看视频，地址在评论区👇

huangserva

161,663 views • 3 months ago

港大出品 DeepTutor，开源终身个性化辅导系统，近3万星。 它不是简单的问答机器人，而是一套完整的个性化学习系统。 你可以导入教材、论文和笔记，让 AI 基于自己的资料： 深度解题，拆解完整推理过程 自动出题、批改，并生成针对性练习 调研复杂主题，整理成结构化报告 把抽象概念转成图表、动画和互动内容 记录学习进度与知识薄弱点，持续调整学习路径 它还支持多种 RAG 引擎、本地模型、Skills 和长期记忆，可用 Docker 自托管，Apache 2.0 开源。 相比直接问通用 AI，DeepTutor 更像一个会使用你的资料、了解你学习状态，并陪你长期推进的学习工作台。
0:30

港大出品 DeepTutor，开源终身个性化辅导系统，近3万星。 它不是简单的问答机器人，而是一套完整的个性化学习系统。 你可以导入教材、论文和笔记，让 AI 基于自己的资料： 深度解题，拆解完整推理过程 自动出题、批改，并生成针对性练习 调研复杂主题，整理成结构化报告 把抽象概念转成图表、动画和互动内容 记录学习进度与知识薄弱点，持续调整学习路径 它还支持多种 RAG 引擎、本地模型、Skills 和长期记忆，可用 Docker 自托管，Apache 2.0 开源。 相比直接问通用 AI，DeepTutor 更像一个会使用你的资料、了解你学习状态，并陪你长期推进的学习工作台。

开发者Hailey

29,692 views • 2 months ago

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS） 刚开源的这个新项目，我真的要吹爆， 可能是今年最值得装的本地 AI 基础设施之一了， 它解决了一个我使用AI Agent 忍了大半年的痛点问题： 换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。 每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感， 换个工具就等于给AI重新做一遍入职培训， 项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。 刚刚开源的 Memmy 直接把这个问题给干掉了， 让所有 AI 都记得同一个你。 它干的事简单且极度务实，但之前几乎没人愿意做。 更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。 授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session， 几分钟把你过去几个月在各个工具里聊过的废墟， 自动整理成结构化记忆， 然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。 全量存在本地 SQLite 数据库， 完全 local-first 不上传， 敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。 那些是给开发者写代码集成的 API， 你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户， 把你过去几个月在各工具里已经产生的历史一键接管过来。 这一步大多数工具都没做，毕竟是纯脏活累活。 技术底座是同团队的 MemOS，GitHub 一万多星， 做的是记忆操作系统，不是简单的向量库加摘要。 再说几个极其真实的场景： 你在 Codex 里确认了一个架构选型， 切到 Claude Code 它立刻知道， 你在 Cursor 里试错踩过的坑， 新开一个 DeepSeek Harness 不会再踩第二遍。 一个 Agent 额度用完了换另一个，上下文再也不会归零。 代码靠 Git 能同步状态， 记忆同步的， 是你在对话里留下的决策和意图。 这层资产以前被困在每个工具的 session 里， 现在可以跟着你走了。 当然照例泼盆冷水， 这个项目还在 v1.0.x 早期， GitHub 约 1000 星， 各家工具本地格式一升级可能带来兼容问题， 记忆蒸馏和跨项目隔离也还在持续迭代， 但方向我认为是非常对的。 多 Agent 并行时代， 记忆本来就该属于用户自己， 凭什么被锁死在某个工具里。 Switch agents, not context， 让所有 AI 都记得同一个你！！！
1:17

给 DeepSeek Harness、Hermes、OpenClaw 等Agent做记忆底座的那个 GitHub 万星团队（MemOS） 刚开源的这个新项目，我真的要吹爆， 可能是今年最值得装的本地 AI 基础设施之一了， 它解决了一个我使用AI Agent 忍了大半年的痛点问题： 换一个 AI 工具就要重新解释一遍项目背景、技术选型、踩过的坑。 每天在 Cursor、Claude Code 和 Codex 之间来回切的人，应该都懂那种吃了苍蝇一样的恶心感， 换个工具就等于给AI重新做一遍入职培训， 项目背景、踩过的坑、做过的重要决策全部要跟它从头再讲一遍。 刚刚开源的 Memmy 直接把这个问题给干掉了， 让所有 AI 都记得同一个你。 它干的事简单且极度务实，但之前几乎没人愿意做。 更关键的是，它本身就是一个形态非常丰满的本地 Agent，支持多种接入方式： →日常用有桌面端 GUI， →极客可以走 CLI/TUI， →还自带 OpenAI 兼容 API 和 MCP 协议， →最新版连 Linux 也已经全平台支持了。 授权后直接去翻你本地所有 Agent 的历史日志， Cursor 的数据库、Claude Code 的 jsonl、Codex 的 session， 几分钟把你过去几个月在各个工具里聊过的废墟， 自动整理成结构化记忆， 然后通过 Skill、Hook、MCP 按需注入到你当前正在用的任何 Agent 里。 全量存在本地 SQLite 数据库， 完全 local-first 不上传， 敏感项目不用慌。 Memmy 这个项目跟 Mem0、Zep 那些记忆库完全不是一个赛道。 那些是给开发者写代码集成的 API， 你要自己写代码接入，或者从今天起重新积累。 Memmy 是直接面向我们这种终端用户， 把你过去几个月在各工具里已经产生的历史一键接管过来。 这一步大多数工具都没做，毕竟是纯脏活累活。 技术底座是同团队的 MemOS，GitHub 一万多星， 做的是记忆操作系统，不是简单的向量库加摘要。 再说几个极其真实的场景： 你在 Codex 里确认了一个架构选型， 切到 Claude Code 它立刻知道， 你在 Cursor 里试错踩过的坑， 新开一个 DeepSeek Harness 不会再踩第二遍。 一个 Agent 额度用完了换另一个，上下文再也不会归零。 代码靠 Git 能同步状态， 记忆同步的， 是你在对话里留下的决策和意图。 这层资产以前被困在每个工具的 session 里， 现在可以跟着你走了。 当然照例泼盆冷水， 这个项目还在 v1.0.x 早期， GitHub 约 1000 星， 各家工具本地格式一升级可能带来兼容问题， 记忆蒸馏和跨项目隔离也还在持续迭代， 但方向我认为是非常对的。 多 Agent 并行时代， 记忆本来就该属于用户自己， 凭什么被锁死在某个工具里。 Switch agents, not context， 让所有 AI 都记得同一个你！！！

AYi

61,577 views • 1 month ago

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
2:15

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。 这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。 它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。 这样就可以让用户和 AI 在任意模态下实时进行交互： 你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。 核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分： 前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应 后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容 用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 views • 4 months ago

卧槽，GPT-6 Astra 的蜜月期也太短了吧。 爽了不到一周，就从“小甜甜”变成“牛夫人”了。 熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。 偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。 但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。 为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。 它想解决的问题很直接： 把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。 这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。 只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。 它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑 最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。 以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！ 更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走 它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门： 别忘记福利🎁 👇
3:48

卧槽，GPT-6 Astra 的蜜月期也太短了吧。 爽了不到一周，就从“小甜甜”变成“牛夫人”了。 熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。 偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。 但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。 为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。 它想解决的问题很直接： 把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。 这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。 只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。 它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑 最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。 以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！ 更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走 它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门： 别忘记福利🎁 👇

前端哥Liam

20,650 views • 14 days ago

谷歌前 CEO 强调了一个热知识： 如果你真的想赚钱，必须学习：理解代理、Claude Code、提示、记忆、技能、MCP和例程 然后让你的 AI 来控制你的 AI 大部分人学 AI, 就是在推特刷 AI 帖子，但其实，真正系统性的知识，大模型公司官方出的全面且免费，务必收藏这条帖子： 代理架构 Claude Code 101 Claude Code 实战 提示工程 互动提示课程 Claude.md + 记忆 技能 MCP 例程 Claude Code 终极指南 Awesome Claude Code Anthropic 学院 官方 Claude Code 文档 现在，复制全文内容，并喂给你的 Agent!
0:26

谷歌前 CEO 强调了一个热知识： 如果你真的想赚钱，必须学习：理解代理、Claude Code、提示、记忆、技能、MCP和例程 然后让你的 AI 来控制你的 AI 大部分人学 AI, 就是在推特刷 AI 帖子，但其实，真正系统性的知识，大模型公司官方出的全面且免费，务必收藏这条帖子： 代理架构 Claude Code 101 Claude Code 实战 提示工程 互动提示课程 Claude.md + 记忆 技能 MCP 例程 Claude Code 终极指南 Awesome Claude Code Anthropic 学院 官方 Claude Code 文档 现在，复制全文内容，并喂给你的 Agent!

自己修行的才谷

515,294 views • 3 months ago