Hermes 或者 OpenClaw 用久了,记忆丢了咋办?能不能搬到别的机器、换个 Agent 接着用?答案是可以,靠一个叫 MemOS CLI 的东西,把记忆从单个 Agent 里剥出来,变成谁都能调用的共享层。这篇就聊聊具体怎么弄,踩了哪些坑。
你要是也养熟了一个 Hermes 或者 OpenClaw,多半会遇到这个问题:今天用它管项目,明天换 OpenClaw 跑自动化,后天再让 Codex 接着写代码——结果每换一次,都得重新解释一遍项目背景、代码风格、哪些坑踩过。这就跟养熟的员工突然换工位失忆了差不多。说白了,Agent 记住的那些偏好、经验、项目上下文,其实已经算是一种资产了。既然是资产,那就该能备份、能迁移、能跨 Agent 复用,这就是 MemTensor 团队做 MemOS 的初衷——不是又给 Agent 加个聊天插件,而是把长期记忆抽出来,做成一层独立的基础设施。
MemOS CLI 就是接入这层基础设施的入口,命令行形式,人能用,Agent 和脚本也能调。逻辑挺直白:Agent 之间要交互,靠自然语言不现实,得靠命令行;记忆这东西,也该像代码仓库一样能拉取、能同步、能隔离。目前官方支持接入的 Agent 有 Hermes、OpenClaw、Codex、Cursor、Claude Code,理论上都能通过同一套 CLI 共享底层记忆。 MemOS CLI 安装与记忆链路自测
在部署 Hermes 或 OpenClaw 的机器上跑一句:
装完 memos --version 看一眼装没装上,然后去 MemOS 官网的 dashboard(memos-dashboard.openmem.net)注册拿 API KEY,回终端配上:
先别急着接 Agent,自己试一下这条链路通不通。写一条记忆:
搜一下:
再用 memos chat 问一句能不能答上来。这步走通了,说明记忆链路本身没问题——万一后面 Hermes 接入出岔子,至少能排除掉 CLI 本身的问题,省得两头一起排查。
把 MemOS 接入 Hermes / OpenClaw 等 Agent
链路通了再谈接入。以 Hermes 为例:
会再要一次 API KEY,这次粘贴不会显示在屏幕上,直接回车就行。装完最好重启一下 gateway,确保新装的 Skill 被正常加载进去。之后问一句 Hermes 认不认识 MemOS,正常情况下它会告诉你已经拿到这个能力了。
装好之后 Hermes 会多一个记忆 Skill:对话前先去 MemOS 里检索相关记忆塞进上下文,对话结束再把新的偏好、事实、项目经验写回去。其他几个 Agent 对应的初始化命令是类似的:
有个细节得提一句:CLI 本身不直接支持写 agent_id,得靠你手动配置(可以把官方文档截图丢给一个多模态模型帮你捋一下怎么写)。这步别偷懒,因为如果你在多台机器、多个 Agent 实例上共用一个账号却不区分 agent_id,记忆会串到一起分不清是谁写的。
装好之后可以让 Hermes 把之前攒的重要记忆一次性 dump 进 MemOS,几分钟就能同步完,MemOS 后台也能看到写进去的条目。另外它还带了知识库功能,没细测,有兴趣可以自己摸索。因为 Hermes 本地的记忆系统和 MemOS 是两套并行的东西,最好让它自己写个双写策略,保证本地记忆和云端保持同步,不然两边容易脱节。
跨机器、跨 Agent 共享同一份记忆
在另一台机器(比如 MacBook)上重复装一遍 CLI 和 Hermes 的接入流程,注意得用同一个 user_id、同一个 API KEY 的账号——跨账户是读不到彼此记忆的。配好之后让这台机器上的 Hermes 去检索一下,看能不能读到之前在服务器那台机器上 dump 进去的内容。能读到,再各自配好独立的 agent_id,这样两台机器的记忆虽然共享同一个底层存储,但不会互相污染,还能反过来验证当前 Agent 是不是能分辨出"这条记忆是另一个实例写的"。这一步走完,基本就实现了记忆的跨机器、跨 Agent 共享,同时保持了必要的隔离。
MemOS 免费额度与模型用量
官方给的免费额度大概是 addMessage 5万次、searchMemory 2万次,Chat Token 输入300万、输出100万;对话模型用的是 DeepSeek R1 和 Qwen 系列,记忆提取、rerank、embedding 这些是团队自研的模型。官方说接入之后 token 消耗能明显往下降,准确率也有提升,这个数字建议自己跑一段时间观察,别直接照搬宣传口径。 绕了一圈其实还是那个老问题:工具再顺手,你用它做的事本身有没有价值,才是真正要想清楚的。
需要更细的资料可以查 MemOS CLI 文档站(memos-docs.openmem.net)、插件站(memos-claw.openmem.net),以及 GitHub 上的 MemTensor/MemOS 仓库,更新还挺勤,插件版本经常有小版本迭代,遇到问题先看看是不是版本没更新到最新。