chenyun

开源/运营/生态，最近在 @MemOS_dev 做记忆相关的事情

[chenyun @chenyun0024]

今年的 #TechCrunch 好冷清，看了很多项目做得好的凤毛菱角，虽然 tc 今年的 list 确实不太好，但也完全没想到…..

[chenyun @chenyun0024]

来 sf tech week 两天，感觉自己回归虚无主义了☠️

[chenyun @chenyun0024]

Huge thks to Adina for sharing our work🫶

[Adina Yakup @AdinaYakup]

Metis🚀 Memory Foundation Model released by Memtensor Research Group

Probably the first LLM that internalizes memory into its backbone👀

- 4B/9B/27B weights + code + paper
- No external RAG: memory is inside the model
- One forward pass = full read/write
- Weights frozen at inference: deploys like a standard LLM

[chenyun @chenyun0024]

现在大多数方案本质上还是把记忆放在模型外面，先全部存下来，需要时再检索，然后重新塞回上下文。

Metis 想验证的是另一条路线：记忆能不能不再只是模型外部的“外挂”，而是成为模型计算本身的一部分？

推理时，模型参数保持不变，但内部的记忆状态可以随着交互持续更新，不需要梯度，也不需要重新训练。

这还是一个很早期的探索，但它可能会改变我们对 Agent Memory 的理解：未来的模型，不只是“知道更多”，也可能真正拥有能够持续变化的内部状态。

论文、代码和模型权重已经全部开放。欢迎关注，也欢迎来挑战这条路线。

也希望大家在 hugging face 上 ❤️ 支持一下：
https://t.co/JIPhy5WxQQ

[MemOS @MemOS_dev]

New paper's here: Metis — the 1st prototype of a memory foundation model.

In Metis, the model weights remain fixed during inference. What changes instead is a persistent memory state.

This state carries information across interactions, updates during the forward pass, and is retrieved through memory attention when relevant — all without gradient updates.

We refer to this architecture as a memory foundation model. Metis is created to explore what becomes possible when memory is built into the model's computation, rather than added as an external system around it.

Paper, code, and checkpoints:
https://t.co/jOllnXFhSw

If this direction resonates with you, we'd appreciate a 🗳️ on Hugging Face.

[chenyun @chenyun0024]

@AliceInfoAi @javaeeeee1 @brattyaiguy huge thks ❤️

[chenyun @chenyun0024]

@ajs6888 感谢伙伴！期待体验反馈呀

[chenyun @chenyun0024]

🤗 Memmy 今天正式上线 Product Hunt 拉！希望大家能帮忙支持一下～🚀

Memmy 是一个 local-first 的个人记忆中枢和 AI Agent。它能把 Cursor、Claude Code、Codex、OpenClaw 等工具里的对话、项目背景、偏好和经验整理成长期记忆，让不同 Agent 共用同一份上下文，不用每换一个工具就重新解释。新的经验也可以继续写回，记忆默认保存在本地，由你自己掌控。

🆙 PH 发布链接
非常希望大家帮忙点一个 Upvote，也欢迎留下真实的使用建议和场景想法 🙏
https://t.co/13NBS7RLzj

🆓 注册即可获得 200 万 ChatGPT Luna Tokens，也支持 BYOK。

每条评论我们都会认真回复和点赞，高质量 Comment 还会送出周边礼品 🎁

之后大家有产品上线 Product Hunt，我们也非常愿意支持。感谢大家！❤️

[chenyun @chenyun0024]

@aaliya_va @javaeeeee1 @brattyaiguy reeeally thks a lot, please be welcome to upvote, comment and download~

[chenyun @chenyun0024]

还没体验过 Memmy？

GitHub：https://t.co/JgNaZStjnT
官网：https://t.co/J29bCzkzjm

💵 现在注册还送 2M ChatGPT luna token～！

[chenyun @chenyun0024]

🍙 Memmy 7 月 17 日上线之后，我们不知不觉收获了 350+ 早期用户，大家也给了我们非常多的建议和反馈！

一个小预告，明天，我们终于要带它去更大的场子见人了。

💃 今晚先放一支 Memmy 的视频

它想做的事情很简单：让 Cursor、Claude Code、Codex、OpenClaw 等不同 Agent，能够记得同一个你。

⬆️ 欢迎大家明天来帮我们顶一下！

一次积累，多处使用。
👋明天见。

[chenyun @chenyun0024]

我们今天正式发布了 Memmy！

🍙 Memmy 是你的个人记忆中枢，也是运行在本地、持续理解你的专属 Agent。

📚它将知识、偏好和项目经验沉淀为长期记忆，让Cursor、Claude Code、Codex、OpenCode、OpenClaw 、WorkBuddy 等所有外部 Agent 可以基于同一份上下文协作；同时，它也支持桌面端、CLI、API、Skills 和 MCP，能够直接进入你的日常工作流并执行任务。

一次积累，多处使用。
让所有 AI，都记得同一个你。

💃 现在注册 Memmy，即可获得 30,000,000 Token 免费体验额度，无需配置 API Key！！！

⏬立即体验
官网：https://t.co/VJajYYEhaB
GitHub：https://t.co/whQSHJ4rS5

[chenyun @chenyun0024]

在创业公司的 9 个月是我过去 3 年里最充实的 5 年。但是最近做了一些很可爱的饭团子！！！让人又充满干劲了～

[MemOS @MemOS_dev]

🏆 Siiiiuuuuuu!!! MemOS FINALLY reached 10K Star Goal!

11 months ago, we open-sourced MemOS with one goal: making sure AI never loses its memory, and can keep evolving on its own 🧑🏻‍🚀

We started gaining real traction in the dev community, and once we crossed 8K stars, something shifted — contributions exploded. From March to June alone, we received 386 issues and 125 PRs. That's not just more people using the tool; it's more people willing to roll up their sleeves and help build it with us 😎

A heartfelt thank-you to everyone who's contributed — whether you joined last week or you were here when we had just 1 star 💕

10,000 stars is a huge milestone, but what excites us more is how the community has evolved. Some of you are fixing core bugs. Others are doing secondary development or building out deployment solutions. And external products — like Tavily — are now reaching out to integrate with us directly.

MemOS isn't just being noticed anymore. It's being used, and used well 📈

Appreciate everybody through issues, docs, or PRs, MemOS is getting better because of all of you 🧠✨

[chenyun @chenyun0024]

Thanks for Adina 🙏

One thing worth adding: MemPrivacy is built specifically
for the conversational reversibility loop — sensitive content gets desensitized on-device before leaving, and the original values are restored locally when the cloud reply comes back.

This makes it a fit for any edge-side scenario where private data shouldn't leave the device but the cloud agent still needs semantic context to respond well — health assistants, finance copilots, on-device personal agents.

[Adina Yakup @AdinaYakup]

MemPrivacy ㊙️ a lightweight privacy preserving model for edge cloud AI agents from MemTensor.

Instead of destroying context with masking, it preserves semantic structure using typed placeholders like <Phone_Number_1> 👀

✨ 1.7B/4B - RL/SFT
✨ High precision privacy extraction
✨ 4 level privacy taxonomy (PL1–PL4)
✨ Semantic preserving typed placeholders

[chenyun @chenyun0024]

大家好！我们刚刚在 Hugging Face 上开源了 MemPrivacy——一个端侧记忆隐私保护的框架，我们希望通过这个工作让Agent“可用”信息，但“不可见”你的隐私

也希望大家能给在 hugging face 上帮我们 upvote 一下呀 🙏

👉  https://t.co/rrP0jKvsBD

[chenyun @chenyun0024]

试了一下确实蛮好用的，至少在不给任何上下文的情况下，让 Claude 帮我生成一些文案的时候质量高多了😂

[MemOS @MemOS_dev]

https://t.co/rDhdlEc1tz

[chenyun @chenyun0024]

@lxfater 老师我们的 Hermes 插件发了！！！https://t.co/uCXuRnMkSZ

[chenyun @chenyun0024]

昨天还在跟团队开玩笑，今天我们就发一个 mem code，mem code 可能没办法发，但是分享一下我们内部应用算法负责人研究后的 insight 吧：

借助Cursor初步阅读完 Claude Code（简称 CC）的代码，有几个体会：
1. 一段时间内（估计半年）新的 agent 基线范式基本都会是 CC 的框架去跑。现在 CC 是用 TS 写的，后面会有各种语言版本，我看Rust 版本已经有了。
2. 通过 CC 的 CLI，可以看到它的定位不再是一个 code 产品，而是一个通用的智能体。后续各家的智能体平台可能都会根据 CC 的架构去重建？
3. CC 的记忆系统相比 OpenClaw 的要复杂很多，它是系统级别的，贯穿整个 Agent Runtime。包括 query 前的预检索、预算控制、snip compact、prefetch、子 agent 记忆准备、记忆分类压缩存储、梦境记忆组织，贯穿全程。不是像之前 OpenClaw 插件一样，query 前检索一下，回答后再添加记忆。
4. 即便 Claude 的基模很强大，还是需要开发庞大的 agent 系统去驱动大模型。直接提供工具、skill 让模型自主决策还是不够，完整的 SOP 仍然非常重要。

关于记忆，多说点。感觉CC 的记忆系统还有这几个问题：
1. 目前 CC 这种读取文件记忆的方式感觉仍然太消耗 token，精密的记忆加工系统和检索方案还是很有必要的。
2. 记忆的检索和使用应该贯穿每一个决策点，提供随时查阅记忆的能力。现在 CC 做得主要是前期大量准备记忆，后面基本不再查询（如有理解错误，请指正），这不符合人类的记忆调用逻辑，按需实时查阅更合理。
3. 记忆存储的是轨迹，但缺乏对轨迹更进一步的价值挖掘。虽然有梦境机制，但没有对轨迹价值进行特别挖掘。个人认为，对轨迹的再组织和子轨迹复用，会大幅提升 agent 的泛化能力。
4. 用户反馈没有很好地对 agent 执行的轨迹决策进行修正，只是存储到用户偏好里。这样 agent 做错或者 sub-optimal 的决策，后续仍可能重复发生。

[chenyun @chenyun0024]

@lxfater 遇到这种情况还想使用/体验 MemOS 的同学可以考虑通过 MCP 或者 API～