技能介绍

解决什么问题

LLM/AI 智能体通常在单轮上下文里工作，一旦会话结束，之前记住的用户偏好、事实、经验或工具调用结果就会丢失。结果就是重复询问、风格漂移，以及难以调试的“记住/忘记”问题。MemOS 把长期记忆抽象成可增删改查的存储层，让 agent 在跨会话时仍能带着上下文继续工作。

技能如何工作

memos-os 不是独立数据库，而是 MemOS REST API 的客户端封装。核心脚本 scripts/memos_client.py 只用 Python 标准库，暴露 check、add、search、get-all、feedback、chat 等子命令。使用前需要准备：

运行中的 MemOS 实例（默认 http://localhost:8000）或 MemOS Cloud 端点 + API key；
目标用户的 user_id 与 mem_cube_id；
通过环境变量或 --base-url / --api-key 传递连接配置。

典型流程是：先用 check 探测服务连通性；再用 add 写入事实、偏好或经验；随后用 search 做语义检索，验证记忆可被召回；需要纠错或补充时用 feedback；需要带记忆上下文对话时用 chat；排查列表时用 get-all。写入时可传 async_mode: "async" 进行非阻塞写入。

适用边界与注意点

它解决的是外部持久记忆，不会替代模型权重、提示工程或实时工具调用。记忆写入后不会自动保证召回，仍需通过 search 校验。服务不可达时脚本会返回可操作的错误提示，而不是裸堆栈。MemOS 默认端口为 8000，Swagger UI 在 {base}/docs；不同版本的 get-all / feedback / chat 路径可能略有差异。详细字段和 curl 示例见 references/api.md。