AI 不该每次失忆:12k Star 的 MemOS,让 Agent 跨工具记住项目,Token 消耗最高省超 80%

开源 Agent 记忆系统解读：Codex、Claude、DeepSeek 接入教程、提示词与关键命令

大家好，欢迎来到心眸AI笔记，我是jackli！今天日期是2026年9月17日，周四快乐，下面带来今日资讯。

懒人总结

1. 开源 Agent 记忆项目 MemOS 已在 GitHub 获得 12k star，目标很明确：解决 Agent 每次新会话上下文清零、经验无法沉淀的问题。
2. 接入记忆后，作者归纳出四个直接收益：比 Skill 更轻松地沉淀经验、持续跟踪项目进度和客户画像、新开对话不用反复复述要求、大幅节省 Token。
3. 接入路径不复杂：先去 memos-dashboard.openmem.net 注册并获取 API Key，再安装 @memtensor/memos-cloud-cli，最后用 memos init 给 Codex、Claude、DeepSeek 等 Agent 配置。
4. 给 Codex 的完整 Prompt、验证命令、初始化命令都要保留；API Key 只能在本机终端隐藏输入，不能进入对话或日志。
5. 记忆不是简单存聊天记录。作者实测发现，做完一个项目后让 Agent 梳理“可复用规则”，才能把客户偏好、PPT 思路、排版表达逻辑沉淀下来。
6. 记忆可以跨 Agent、跨项目复用。从 Codex 换到 Claude，或者新开文件夹继续做任务，Agent 能在计划阶段就调用已有记忆。
7. 要求变了，记忆也能更新。可用 memos feedback 命令修改规则；但旧文件不会自动变，仍要重新生成或修改。
8. 官方在 LoCoMo 长期对话记忆评测中给出数据：相比 OpenClaw 原生记忆，MemOS 的 Token 消耗减少超过 80%。

一、Agent 的“失忆症”，终于有解了

用 Claude、Codex、OpenClaw 或 Deepseek Harness 的人，大多遇到过同一个尴尬：每次新开会话，上下文清零。之前确认过的项目前提、客户偏好、经验归纳，统统要重来一遍。

这不是小麻烦。项目越复杂，重复沟通越贵。时间被吃掉，Token 也在燃烧。

GitHub 上有个开源项目叫 MemOS，目前已经拿到 12k star。它想解决的，就是 Agent 记忆问题。作者在文章里以 Codex 为例演示接入，其他 Agent 的逻辑基本一致。

接入后，效果可以概括为四点：

• 比 Skill 更轻松的经验沉淀；
• 项目进度和客户画像持续跟踪；
• 每次新开对话不需要再复述以前的要求；
• 大幅节省 token 消耗。

最后一点，最实在。

二、第一步：获取 API Key

访问 memos-dashboard.openmem.net，注册并登录。找到 API Key 的创建入口，生成一个 Key，保存好。

这里要注意：Key 留着稍后在本机终端输入，不用粘贴进 Codex 对话。

三、给 Codex 安装配置 MemOS

打开 Codex，发送下面这段完整 Prompt：

请按 https://github.com/MemTensor/MemOS-Cloud-CLI 为当前Codex安装配置MemOS，直接执行并验证。
1. 检查Node.js、npm和memos，补齐环境；缺CLI时运行 npm install -g @memtensor/memos-cloud-cli，检查版本与帮助。
2. 先备份配置，沿用已有Key和user_id，没有user_id则用 memos_article_demo。初始化后对照备份，保留无关设置。
3. 用确定的user_id执行 memos init --agent codex --user-id 实际标识。缺Key时先把命令交给我在本机终端隐藏输入，回复“已完成”后核验，不再重复初始化。Key不得进入对话或日志。
4. 检查接入配置，用 memos_search "MemOS连接检查" --format json 验证请求。报告版本、user_id、结果及重启步骤，自动检索和写入留待新会话验证。

如果缺少 Key，在本机终端运行：

memos init --api-key YOUR_API_KEY --agent codex

把 YOUR_API_KEY 替换成前面获取的 API Key。配置完成后，终端会返回内容。再回 Codex 回复“已完成”，配置就完成了。

四、多个 Agent 共用一套记忆

如果多个 Agent 都要共用记忆，各自配置一下即可：

配置逻辑一致，换 Agent 不等于换记忆。

五、记忆沉淀：留下真正用得上的东西

作者实测发现，做项目时，一个客户基本会做 4、5 个 PPT。每次做新的 PPT，听众是谁、喜欢什么版式、上次改过哪些地方，都要重新交代。

更有效的做法是：正常做一个 PPT，过程中多轮交互，产出满意版本后，再向 Agent 发送指令：

请你仔细检查做这个 ppt 的过程中，我和你讨论的一些做这个类型 PPT 规则。为我梳理有哪些适合放入 MemOS 中的，未来我可以进行复用的的记忆。

梳理出多种层次的记忆后，让 Agent 存储起来。后台可以看到记忆列表。

记住的主要部分包括：项目对象画像是谁、这类 PPT 的思路、排版以及表达逻辑。这些不是一次性聊天记录，而是下次还能用的规则。

六、跨 Agent、跨项目复用记忆

有开发者实测后，新开一个文件夹，在已经配置好的 Claude 中发布任务，直接发需求。

在计划阶段，Agent 就已经把记忆抽出来，针对当前项目做计划，包括大纲逻辑、版式逻辑、色系等。随后，Agent 凭借记忆和当前资料做出设计方案。

第一版效果是：白底、蓝色分隔线、重点用红色提出来，风格统一；热力图、柱状图、流程图均使用。

记忆和模板在这里互相配合：模板提供具体版式和色值，记忆用来延续之前确认的制作要求，新资料决定这次讲什么。

七、记忆更新：要求变了，记忆跟着变

客户要把 PPT 拿到会议室讲，字要放大，页面太满要拆开。这时可以更新记忆。

在终端输入：

memos feedback "后续用于现场汇报的PPT，正文至少18pt，内容放不下时拆页；此前更小的正文字号要求不再适用于现场汇报。" --format json

也可以直接告诉 Agent。

但要注意：记忆更新后，旧 PPT 文件不会自己改变，要让 Agent 重新修改或制作。

跨工具延续也一样。从 Codex 换到 Claude 做过一次，以后继续换工具，就能接着查这份记忆。以前至少需要几天时间调一个精确的 Skill 出来，下次才能复现；现在只需要记住就好。

八、Token 省在哪？

第一份 PPT 来回聊了十几二十轮，改大纲、调版式、补结论，一点点磨成想要的样子。这些对话里藏着很多以后能用的东西：客户关心什么、哪种讲法更合适、什么地方必须给结论、做成什么样才算合格。

接上记忆后，交互过程自动记录，把确认过的要求整理好，留给后续任务使用。

做第二份 PPT 时，把新需求、新资料和模板交给 Agent，让它沿用之前的经验开始做。反复确认和返工减少，多轮对话消耗的 Token 就有机会省下来。

官方评测数据是：MemOS 在 LoCoMo 长期对话记忆评测中，相比 OpenClaw 原生记忆，**Token 消耗减少超过 80%**。

九、关键网址与命令清单

十、思考与呼吁

作者在文末回顾时指出：一次次选择和修改，慢慢留下的，就是做事的方式。如果 Agent 能把这些积累带进下一次工作，知道哪些要求该沿用，也能在改变想法时跟着调整，才会觉得它越来越懂我。“世界上的另一个我”，也许就是这样一点点长出来的。

我的判断是，Agent 记忆不该被理解成“多存一点聊天记录”。它更像是把项目上下文、用户偏好、验收标准，变成可复用的资产。越早把记忆当成基础设施，越少在重复沟通里消耗时间和 Token。

如果你也在用 Codex、Claude 或 DeepSeek Harness，不妨按上面的步骤试一次。先接入，再沉淀，最后让记忆跨项目滚动起来。

如果这篇内容对你有帮助，欢迎点个赞、转发给需要的朋友，再点一下“在看”。要是方便，也顺手给心眸AI笔记加个星标⭐️，下次更新文章你就能第一时间见到。谢谢你读到这里，我们下篇再见。