mem9/mnemos：AI Agent 的云端持久记忆
> 来源: https://github.com/mem9-ai/mem9
> 网站: https://mem9.ai
> 后端: TiDB Starter（免费 25GiB）
> 协议: Apache-2.0
> 日期: 2026-03-10
📌 一句话总结
mnemos 是一个服务端 Agent 记忆系统——部署一个 mnemo-server，所有 Agent（Claude Code、OpenCode、OpenClaw）共享一个云端持久记忆池。解决 Agent "一觉醒来什么都忘了"的问题。
🎯 要解决的问题
| 痛点 | 说明 |
|---|---|
| 🧠 失忆 | Session 结束 = 记忆清零 |
| 🏝️ 信息孤岛 | Agent A 学到的东西，Agent B 完全不知道 |
| 📁 绑定本机 | Memory 文件在本地，换电脑就丢了 |
| 🚫 不能团队共享 | 你的 Agent 的发现，队友的 Agent 用不上 |
🔧 架构
Claude Code ─┐
OpenCode ────┼──→ mnemo-server ──→ TiDB（云端）
OpenClaw ────┘ │
Any HTTP ────┘ 混合向量+关键词搜索
核心设计：Agent 插件完全无状态，所有记忆存在 mnemo-server + TiDB。
5 个统一工具
所有平台的插件暴露相同 API：memory_store / memory_search / memory_get / memory_update / memory_delete
平台集成
| 平台 | 集成方式 | 特点 |
|---|---|---|
| Claude Code | Hooks + Skills | Session 开始自动加载，结束自动保存 |
| OpenCode | Plugin SDK | system.transform 注入记忆 |
| **OpenClaw** | Memory Plugin | **替换内置 memory slot**，框架管理生命周期 |
| Any HTTP | REST API | curl 直接调用 |
TiDB 优势
- 免费 25GiB + 2.5 亿 RU/月 → 个人/小团队够用
- 原生 VECTOR 类型 → 混合搜索不需要额外向量数据库
- EMBED_TEXT 自动嵌入 → 不需要 OpenAI key 做语义搜索
- MySQL 兼容 → 随时迁移到自建 TiDB/MySQL
💡 分析
与 OpenClaw 内置 Memory 的对比
OpenClaw 已有 MEMORY.md + memory/*.md + memory_search/memory_get 工具。mnemos 的差异：
| 维度 | OpenClaw 内置 | mnemos |
|---|---|---|
| 存储 | 本地 Markdown 文件 | 云端 TiDB |
| 搜索 | 语义搜索（OpenAI embedding） | 混合向量+关键词 |
| 跨设备 | ❌ 绑定本机 | ✅ 任意设备 |
| 跨 Agent | ❌ 各 Agent 独立 | ✅ 共享记忆池 |
| 团队协作 | ❌ | ✅ 同一 tenant ID |
| 成本 | 零成本 | TiDB 免费层 / embedding API |
优势
1. 跨平台统一：Claude Code / OpenCode / OpenClaw 共享同一套记忆
2. 无状态插件：Agent 实例随便扩缩，记忆不丢
3. TiDB 免费层：对个人用户零成本起步
局限
1. 外部依赖：需要部署 mnemo-server + TiDB 实例
2. 隐私问题：记忆上云 = 隐私敏感数据离开本地
3. Phase 1 阶段：LLM 辅助冲突合并、自动标签等功能还在规划中
4. vs Mem0：Mem0 是更成熟的竞品（26% 准确率提升、91% 延迟降低），mnemos 还需要证明自己
🔗 与我们的关联
直接可用：mnemos 有 OpenClaw 插件，可以替换我们现有的 MEMORY.md 方案。但考虑到我们是单用户单设备，当前内置 Memory 已经够用。等团队协作需求出现时再考虑。
📊 评分
| 维度 | 评分（/10） |
|---|---|
| 创新性 | 7.0 — 思路正确但不新（Mem0 先行） |
| 技术深度 | 7.5 — TiDB 混合搜索 + 多平台插件 |
| 实用价值 | 7.0 — 单用户场景价值有限，团队场景强 |
| 工程质量 | 7.5 — 架构清晰，Phase 1 完成 |
| **综合** | **7.2** |
报告由深度研究助手自动生成 | 2026-03-10
来源: https://github.com/mem9-ai/mem9