MemOS 云端记忆

核心问题：Agent 的「记忆断片」

Agent 在多轮对话中缺乏持久化记忆，每次交互都从零开始。用户无法让 Agent 记住自己的偏好（如「我喜欢暗色模式」）、历史决策或上下文信息，导致重复输入、理解断层，难以支撑个性化或任务连续性场景。

技能工作机制

• 环境变量分层管理：MEMOS_API_KEY、MEMOS_USER_ID 等变量按「用户/部署/平台」分层，MEMOS_ALLOW_PUBLIC 等安全边界变量禁止调用时覆盖。
• 每轮自动记忆检索：回答任何问题前自动调用 search_memory，身份/偏好类查询需同时触发 get_user_profile。
• 记忆操作工具链：新增信息用 add_message，修改/删除记忆用 add_feedback（禁止用 add_message 覆盖旧记忆），删除无 ID 时先 search_memory 定位再操作。
• 会话 ID 稳定性策略：用当前会话首条用户消息生成稳定的 conversation_id，跨会话时必须轮换，确保上下文关联与反馈精准定位。

适用边界与注意点

• 仅支持 MemOS Cloud API 兼容的部署环境，需预先配置核心环境变量。
• 多 Agent/应用隔离需通过主机平台注入 MEMOS_AGENT_ID/MEMOS_APP_ID，或调用时显式传参，禁止 Agent 自行编造 ID。
• 反馈内容必须为用户自然语言意图（如「用户想删除关于 X 的记忆」），禁止包含技术细节（如 ID 列表）。