AI एजेंट मेमोरी के लिए सबसे आशाजनक समाधान: MemOS का विस्तृत विश्लेषण

मैंने CLAUDE.md में 200 से अधिक पंक्तियों के नियम लिखे ताकि एजेंट को मेरी पहचान याद रहे।

लेखन का लहजा, लेआउट की वर्जनाएँ, इमेज स्टाइल—सब कुछ मुझे लाइन दर लाइन लिखने पर निर्भर करता है। हालाँकि ये नियम हर नए सत्र में मौजूद रहते हैं, यह एजेंट मेमोरी नहीं है; यह एक मैनुअल है जो मैंने लिखा है।

यह मैनुअल स्थिर है: अगर मैं लिखूँ "डैश का उपयोग न करें," तो एजेंट नहीं करेगा। लेकिन वह यह नहीं जानता कि क्यों, वह यह नहीं जानता कि मैंने इसे कितनी बार सुधारा है, और वह उस नियम के पीछे का निर्णय नहीं जानता—कि "मुझे लगता है कि डैश चीनी भाषा की लय को खत्म कर देते हैं।"

मेरा एजेंट नियमों का पालन कर रहा है, लेकिन उसने उन्हें सीखा नहीं है।

अधिकांश मौजूदा मेमोरी समाधान सिर्फ "पुरानी चैट खोजना" हैं

यह समस्या अनदेखी नहीं रही है। ChatGPT के पास मेमोरी है, Claude के पास प्रोजेक्ट नॉलेज है, और बाजार में विभिन्न तृतीय-पक्ष मेमोरी प्लगइन्स भी उपलब्ध हैं।

लेकिन अगर आप ध्यान से देखें, तो वे सभी लगभग एक ही काम करते हैं: आपकी पिछली बातचीत या मैन्युअल रूप से टैग की गई जानकारी को स्टोर करना, एक वेक्टर इंडेक्स बनाना, और प्रासंगिक खंडों को पुनः प्राप्त करके अगली चैट में वापस डालना।

यह काम करता है, लेकिन इसमें कई अपरिहार्य समस्याएँ हैं।

पहली, जो स्टोर किया जाता है वह कच्ची बातचीत है, जिसमें सिग्नल-टू-नॉइज़ अनुपात बहुत कम होता है। जब तीन महीने पहले की एक बेकार बातचीत का एक टुकड़ा पुनः प्राप्त किया जाता है, तो मॉडल को यह तय करना पड़ता है कि क्या उपयोगी है, और वह अक्सर गलत होता है।

दूसरी, मेमोरी सपाट होती है। सभी जानकारी समान रूप से संग्रहीत होती है; इसमें कोई पदानुक्रम नहीं है कि "यह उससे अधिक महत्वपूर्ण है" या "यह निष्कर्ष अपडेट किया गया है।" जितना अधिक समय तक इसका उपयोग करेंगे, उतना ही अधिक शोर होगा।

तीसरी, यह गलतियों से नहीं सीखता। यदि आपने एक ही मुद्दे पर AI को दस बार सुधारा है, तो उसकी "मेमोरी" में दस सुधार रिकॉर्ड हैं, लेकिन उसने "इसे दोबारा मत करो" की कोई रणनीति नहीं बनाई है।

ये समाधान "भंडारण" की समस्या को हल करते हैं, लेकिन "सीखने" की समस्या को नहीं।

MemOS लोकल प्लगइन इंस्टॉल करने के बाद Hermes ने मुझे क्या बताया

MemOS लोकल प्लगइन इंस्टॉल करने के बाद, मैंने Hermes से पूछा: "तुम्हारी मेमोरी अब कहाँ सेव होती है?"

इसने बहुत स्पष्ट उत्तर दिया:

दो पंक्तियाँ: बिल्ट-इन मेमोरी एक लोकल JSON फ़ाइल में संग्रहीत होती है, जिसमें वे चीज़ें होती हैं जो मैंने सक्रिय रूप से बताईं: नाम, भूमिका, प्राथमिकताएँ, लेखन नियम। MemOS एक अलग, स्वतंत्र दीर्घकालिक मेमोरी सिस्टम है जो स्वचालित रूप से बातचीत से traces (घटना प्रक्षेपवक्र), policies (व्यवहार नियम), और world_models (पर्यावरण ज्ञान) निकालता है, फिर परिपक्व प्रक्रियाओं को कॉल करने योग्य कौशल में क्रिस्टलाइज़ करता है।

Hermes का अपना सारांश मेरे स्पष्टीकरण से बेहतर है: "बिल्ट-इन मेमोरी एक स्पष्ट चिपकने वाला नोट है जिसे मैं सक्रिय रूप से सेव करता हूँ; MemOS एक अंतर्निहित मेमोरी है जो पृष्ठभूमि में स्वचालित रूप से सीखी और संचित होती है।"

यह MemOS और ऊपर बताए गए समाधानों के बीच सबसे बड़ा अंतर है। यह केवल आपकी बातचीत को स्टोर करने में मदद नहीं करता; यह स्वचालित रूप से आपके काम करने की प्रक्रिया से रणनीतियाँ निकालता है।

MemOS इस सिस्टम को Reflect2Evolve कहता है। बातचीत पहले traces में बसती है, मूल्यवान traces को policies (व्यवहार रणनीतियाँ) में संक्षेपित किया जाता है, और परिपक्व policies को पुन: प्रयोज्य कौशल में क्रिस्टलाइज़ किया जाता है। यह "आपने क्या कहा इसे याद रखना" नहीं है, बल्कि "आपने इसे कैसे किया, उस प्रक्रिया से अगली बार कैसे करना है, इसे निकालना" है।

परीक्षण 1: इसे ट्वीट लिखना सिखाना

पहले दौर में, मैंने Hermes को X ट्वीट लिखने की अपनी आदतें बताईं: कोई डैश नहीं, सीधे एक दृष्टिकोण से शुरू करें बिना प्रस्तावना के, मानवीय अहसास हो, कोई AI स्वाद न हो। फिर मैंने इसे Context Engineering के बारे में एक ट्वीट लिखने को कहा।

इसके खत्म करने के बाद, मैंने इसे एक बार सुधारा: "यह शुरुआत बहुत सपाट है; एक तेज हुक का उपयोग करें। मेरी आदत है कि पहले वाक्य में एक दृष्टिकोण या संघर्ष फेंक दूं, कोई प्रस्तावना नहीं।"

इसने तुरंत इसे बदल दिया। पहला वाक्य बन गया: "Hot take: Prompt Engineering is overrated." फिर इसने जवाब दिया: "पहला वाक्य दृष्टिकोण है, कोई प्रस्तावना नहीं।"

अब तक, यह अधिकांश AI सहायकों से बहुत अलग नहीं है। असली परीक्षण अगला कदम है।

Hermes से बाहर निकलें। एक नया सत्र शुरू करें। इस बार मैंने केवल एक वाक्य कहा:

"मेरे लिए एक X ट्वीट लिखें जिसका विषय हो 'Claude Code में CLAUDE.md मूल रूप से Context Engineering कर रहा है'।"

मैंने कोई प्राथमिकता नहीं दोहराई। मैंने इसे याद नहीं दिलाया कि मैं कौन हूँ।

फिर मैंने यह देखा:

लिखने से पहले, इसने चार काम किए:

1. स्वचालित रूप से एक कौशल लोड किया जिसका नाम x-content-writing था।
2. memos_search का उपयोग करके "X writing style context engineering" खोजा, इसमें 4.7 सेकंड लगे।
3. memos_environment खोजा और मेरे Obsidian vault का पथ पाया।
4. लेखन की लय पकड़ने के लिए मेरे वास्तव में प्रकाशित X लेखों को पढ़ने के लिए मेरे vault में गया।

फिर इसने कहा: "ठीक है, चलो लिखते हैं। आपके हाल के X लेख पढ़ने और लय पकड़ने के बाद, मैं सीधे लिखना शुरू करूँगा।"

यह है जो इसने लिखा:

CLAUDE.md कॉन्फ़िगरेशन नहीं है। यह Context Engineering है। आप इसमें हर पंक्ति लिखते हैं, आप मॉडल के कॉन्टेक्स्ट विंडो को डिज़ाइन कर रहे हैं। प्रोजेक्ट संरचना, कोडिंग प्राथमिकताएँ, रेड-लाइन वर्जनाएँ—यह सब मैन्युअल रूप से इंजेक्ट की गई कार्यशील स्मृति है। Prompts "इस बार क्या करना है" को संभालते हैं। CLAUDE.md "आप कौन हैं" को संभालता है। बैकएंड डेवलपर्स को यह तुरंत समझ में आना चाहिए। माइक्रोसर्विसेज शुरुआत में एक रजिस्ट्री से कॉन्फ़िग खींचती हैं ताकि पता चले कि वे किन सेवाओं के साथ इंटरैक्ट करते हैं। CLAUDE.md एजेंट की रजिस्ट्री है। हर सत्र में इसे एक बार पढ़ें, फिर काम पर लग जाएं।

ज़ीरो डैश, पहला वाक्य सीधे एक दृष्टिकोण फेंकता है, बैकएंड सादृश्य स्वाभाविक रूप से बहता है, और कोई "इस लेख में, हम समझेंगे..." शैली की शुरुआत नहीं है।

इसने केवल यह याद नहीं रखा कि मैंने डैश न करने के लिए कहा था; इसने मेरी निष्पादन प्रक्रिया और प्रकाशित लेखों से लेखन रणनीतियों का एक सेट निकाला, फिर उन्हें एक बिल्कुल नए सत्र में स्वचालित रूप से लागू किया।

इस बार, मुझे वास्तव में लगा कि यह उन मेमोरी समाधानों से अलग है जो मैंने पहले उपयोग किए थे।

परीक्षण 2: दो उत्पाद पेज बनाना यह देखने के लिए कि क्या शैलियाँ प्रोजेक्ट्स के बीच स्थानांतरित होती हैं

चलो एक और अधिक ठोस कार्य आज़माते हैं।

पहले दौर में, मैंने Hermes को ReddTrends (www.reddtrends.com) के लिए एक उत्पाद परिचय पृष्ठ बनाने के लिए कहा, जिसमें विशिष्ट आवश्यकताएँ थीं: क्रीम-व्हाइट बैकग्राउंड जिसमें गर्म रंग हों, सीधी कॉपी बिना "empower" या "one-stop" जैसे शब्दों के, साफ लेआउट, इंडी डेवलपर अहसास। इसके खत्म करने के बाद, मैंने CTA बटन कॉपी सुधारा।

फिर मैं बाहर निकला, एक नया सत्र शुरू किया, और इसे एक अन्य उत्पाद, MoleUninstaller के लिए एक परिचय पृष्ठ बनाने को कहा, केवल उत्पाद का नाम और कार्य विवरण दिया, बिना किसी शैली निर्देश के।

परिणाम: MoleUninstaller पेज ने पूरी तरह से अलग दिशा ली: डार्क बैकग्राउंड, अंग्रेजी मुख्य शीर्षक, नारंगी एक्सेंट रंग—ReddTrends की गर्म इंडी डेवलपर शैली से पूरी तरह अलग।

शैली प्राथमिकताएँ प्रोजेक्ट्स के बीच स्थानांतरित नहीं हुईं।

इससे पता चलता है कि MemOS की मेमोरी एक सरल "उपयोगकर्ता ने पिछली बार क्रीम-व्हाइट कहा था, इसलिए हमेशा इसका उपयोग करें" नहीं है; यह कार्य संदर्भों को अलग करती है। इसके विपरीत, यदि आप उम्मीद करते हैं कि यह याद रखे "मैं अपने सभी उत्पाद पृष्ठों के लिए गर्म रंगों का उपयोग करता हूँ," तो यह अभी तक ऐसा नहीं कर सकता; इस स्तर की प्राथमिकताएँ सीखने के लिए अधिक दौर के संचय की आवश्यकता हो सकती है।

इसने क्या सीखा यह देखने के लिए Viewer खोलना

दो परीक्षण चलाने के बाद, Viewer में डेटा परिवर्तन स्पष्ट थे:

शुरुआत में शून्य से 47 मेमोरी, 8 कार्य, 24 अनुभव (12 सक्षम), 2 कौशल, और 1 पर्यावरणीय ज्ञान। सभी स्वचालित रूप से उत्पन्न हुए।

अनुभव पृष्ठ में सबसे दिलचस्प प्रविष्टियाँ:

"वीचैट ऑफिशियल अकाउंट आर्टिकल को शियाओहोंगशु फॉर्मेट में बदलें," समर्थन 25, सक्षम। यह अनुभव 25 बार ट्रिगर हुआ, यह दर्शाता है कि MemOS ने अकाउंट बदलने के बार-बार किए गए कार्य से एक रणनीति संक्षेपित की।

"फ़ाइलों को संशोधित करने के बाद ब्राउज़र नेविगेशन के माध्यम से सत्यापित करें" और "पृष्ठ संशोधन के बाद कोई कंसोल त्रुटि नहीं है सत्यापित करें"—ये उत्पाद पृष्ठ बनाते समय स्वचालित रूप से निकाली गई इंजीनियरिंग आदतें हैं।

कौशल पृष्ठ भी बदल गया:

check_obsidian_vault_path_env V1 से V2 में अपग्रेड हुआ, जिसमें समर्थन 1 से बढ़कर 2 हो गया। जब MemOS को दूसरी बार समान कार्य का सामना करना पड़ा, तो इसने स्वचालित रूप से कौशल संस्करण अपग्रेड किया। Reflect2Evolve में "Evolve" का यही अर्थ है: कौशल स्थिर नहीं हैं; वे जितना अधिक उपयोग किए जाते हैं, उतने ही परिपक्व होते हैं।

तीन मॉडल प्रत्येक अपनी भूमिका निभाते हैं: एम्बेडिंग के लिए लोकल Xenova (मुफ्त), सारांश के लिए DeepSeek V4 Flash (सस्ता), और कौशल विकास के लिए DeepSeek V4 Pro (केवल तब कॉल किया जाता है जब मजबूत तर्क की आवश्यकता होती है), महंगे मॉडल का उपयोग केवल वहीं करता है जहाँ वह मायने रखता है।

सभी डेटा एक लोकल SQLite डेटाबेस में संग्रहीत होता है, और Viewer केवल लोकल रूप से सुनता है, शून्य क्लाउड निर्भरता के साथ। जिन्होंने RAG के साथ काम किया है, वे पुनर्प्राप्ति पाइपलाइन को देख सकते हैं: FTS5 फुल-टेक्स्ट + वेक्टर हाइब्रिड, RRF फ्यूजन रैंकिंग, MMR डिडुप्लीकेशन, और 14-दिन का आधा जीवन समय क्षय, फिर एक LLM द्वारा फ़िल्टर किया जाता है। यह "एम्बेडिंग + कोसाइन समानता" से कहीं अधिक जटिल है, लेकिन पुनर्प्राप्ति गुणवत्ता ही वह जलविभाजक है जो यह तय करता है कि मेमोरी उपयोगी है या नहीं।

एक कोर, कई एजेंटों द्वारा साझा

एक और डिज़ाइन उल्लेखनीय है: OpenClaw और Hermes एक ही Reflect2Evolve कोर साझा करते हैं, बस अलग-अलग एडेप्टर के साथ। जो अनुभव और कौशल आप Hermes में संचित करते हैं, वे एल्गोरिदमिक स्तर पर OpenClaw के साथ संगत हैं; आपकी मेमोरी संपत्तियाँ सिर्फ इसलिए रीसेट नहीं होंगी क्योंकि आप उपकरण बदलते हैं।

उपयोग के बाद वास्तविक भावनाएँ

जिस बात ने मुझे सबसे अधिक आश्चर्यचकित किया, वह केवल यह नहीं था कि इसने मेरी प्राथमिकताएँ याद रखीं, बल्कि दूसरे सत्र में, ट्वीट लिखने से पहले, इसने कार्यों की एक श्रृंखला चलाई: एक कौशल लोड किया, मेमोरी खोजी, मेरा vault पाया, मेरे पिछले लेख पढ़े, और फिर मुझे बताया "मैंने लय पकड़ने के लिए आपके हाल के लेख पढ़ लिए हैं।"

उस समय मेरी प्रतिक्रिया थी: रुको, मैंने तुम्हें मेरे पुराने लेख पढ़ने के लिए नहीं कहा था।

लेकिन इसने स्वयं ही निर्णय लिया कि यह सही काम था। यह भावना "मेरी पिछली बातचीत खोजने में मदद करें" से पूरी तरह अलग है।

उत्पाद पृष्ठ का पक्ष उतना आश्चर्यजनक नहीं था; ReddTrends की गर्म शैली MoleUninstaller में स्थानांतरित नहीं हुई। इसके बारे में सोचें, तो यह समझ में आता है; शैली प्राथमिकता केवल एक बार दिखाई दी, और MemOS अनुभवों को एक रणनीति में ठोस होने के लिए एक निश्चित संख्या में "समर्थन" की आवश्यकता होती है। एक बार पर्याप्त नहीं है।

तो वर्तमान स्थिति यह है: उच्च-आवृत्ति दोहराए जाने वाले कार्य बहुत स्पष्ट प्रभाव दिखाते हैं, जबकि सामयिक प्राथमिकताएँ अभी तक स्थिर नहीं हैं। लेकिन मुझे लगता है कि दिशा सही है। मैं छह महीने से CLAUDE.md लिख रहा हूँ, और जितना अधिक लिखता हूँ, उतना ही महसूस करता हूँ कि यह मनुष्यों के लिए काम नहीं है।

MemOS लोकल प्लगइन वेबसाइट: https://memos-claw.openmem.net/

GitHub: https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin

एजेंट वन-क्लिक इंस्टॉलेशन:

1https://github.com/MemTensor/MemOS/tree/main/apps/memos-local-plugin

मैं Yanhua हूँ, AI एजेंट्स और विदेशी बाजारों के लिए स्वतंत्र विकास पर ध्यान केंद्रित करता हूँ। यदि आप AI एजेंट्स में रुचि रखते हैं, तो बेझिझक फॉलो करें --> @yanhua1010