产品更新｜MemOS CLI 上线：让能跑命令行的 Agent 更轻量接入长期记忆

关注

原创 2026-06-02 14:06:46 448 阅读 AI 写同款· GEO 优化 ›

命令行正在成为 Agent 工作流的核心入口。

Codex、Claude Code、Cursor，以及越来越多本地 Agent，正在通过 shell 写代码、跑脚本、调工具、串自动化流程。但长期记忆的接入方式仍然相对分散：有的依赖特定框架插件，有的依赖客户端是否支持 MCP，有的需要开发者自己写代码对接。

这让记忆的能力很容易被绑定在某一个客户端或某一个框架里。开发者想快速验证记忆写入、检索召回和 Agent 调用效果，往往还要先搭应用、接插件、配调用链路。

MemOS CLI 正式上线。

只要当前环境能执行 shell 命令，就可以通过 “memos”命令完成记忆写入、检索、读取、删除、对话、抽取、重排和反馈；也可以把这套能力交给 Agent，让它在任务前后自动使用长期记忆。

我们希望通过 MemOS CLI，把长期记忆从某个客户端里的专属能力，变成可以被人、脚本和 Agent 共同调用的命令行入口。

本次发布亮点

这次 MemOS CLI 主要解决三件事：

给开发者一个最快的本地验证入口：安装后就能在终端里测试 add、search、get、delete 等记忆操作。
给 Agent 一个通用的记忆接入方式：通过命令行安装记忆 Skill，让 Agent 自动在对话前检索、对话后写入。
给多框架用户一个统一记忆层：Codex、Cursor、Claude、OpenClaw、Hermes 都可以通过同一套 CLI 接入 MemOS。

一、在终端里，直接把记忆链路跑通

调用记忆系统时，最辛苦的一件事情是：还没开始验证记忆效果，就要先搭一堆东西。

要写代码，要配插件，要接应用，还要确认 Agent 调用链路有没有问题。

到最后出问题时，很难判断到底是记忆没写进去、检索没召回，还是 Agent 本身没有把结果用好。

MemOS CLI 把第一步压到终端里。

安装之后，可以直接用几条命令完成最常见的记忆操作：

npm install -g @memtensor/memos-cloud-cli
# 初始化 MemOS CLI
memos config set platform.api_key YOUR_API_KEY
# 写入一条记忆
memos add "用户喜欢 Python 编程"
# 检索相关记忆
memos search "编程语言偏好"
# 直接对话验证记忆效果
memos chat "你知道我的偏好吗？"

对于开发者来说，这会让很多调试动作变得更轻。

比如：

调 Prompt 前，先确认某条用户偏好是否已经写入；
调召回前，先用 memos search 看相关记忆能不能被搜到；
接 Agent 前，先用 memos chat 看记忆有没有被正常使用；
排查线上问题前，先在本地复现一遍记忆链路。

🌰 举个栗子

用户说过“我更喜欢用 Python 写自动化脚本”。

你可以先写入：

memos add "用户更喜欢用 Python 写自动化脚本"

然后检索：

memos search "自动化脚本语言偏好"

如果这一步能召回，再把它接给 Agent；如果这一步都召不回来，就不用急着怀疑 Agent，先把记忆写入和检索链路调好。

链路跑通之后，效果到底怎么样？以 OpenClaw 为例，在 LOCOMO 评测中，单独使用 MemOS 云服务并用 CLI 接入，Openclaw Token 消耗降低约 65.5%；同时使用 MemOS 云服务插件并用 CLI 接入，评测正确率从 66.60% 提升到 77.27%。

以下是 OpenClaw 场景下的实测数据：

640 (1).webp

二、两种使用方式：人可以用，Agent 也可以用

MemOS CLI 不是只给人手动敲命令的。

它有两种用法：

1.安装到 Agent 中，让 Agent 自动使用记忆

2.直接在终端中手动执行 MemOS 命令

这两个模式对应两类需求。

一个是开发者自己调试、验证、管理记忆；另一个是让 Agent 在真实工作流里自动读写记忆。

2.1 装进 Agent：让记忆自动参与每轮对话

如果要让 Agent 自动检索和写入记忆，可以用：

memos init --agent codex

也可以在初始化时直接写入 API Key：

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

目前支持的 Agent 包括：

memos init --agent codex     # ~/.codex/skills/memos/
memos init --agent cursor    # ~/.cursor/skills/memos/
memos init --agent claude    # ~/.claude/skills/memos/
memos init --agent openclaw  # ~/.openclaw/skills/memos/
memos init --agent hermes    # ~/.hermes/skills/memos/

装好之后，Agent 启动时会自动加载这个 Skill。

每轮对话里，它会做两件事：

1.回答前自动执行 memos search memory，检索和当前任务相关的长期记忆，把它放进上下文里；

2.回答后自动执行 memos add memory，把本轮出现的新事实、偏好等写入 MemOS。

这其实很像给 Agent 配了一个“班前翻笔记、班后写日报”的习惯。

🌰 举个栗子

让一个 Agent 帮你维护一个长期项目。

第一天你告诉它：

这个项目后端用 Python，文档要写得口语化一点，不要太学术。

Agent 可以在任务结束后把这些信息写入 MemOS。

第二天你换成 Codex 继续干活，只要它也通过 CLI 接入同一套 MemOS，就可以在回答前检索到这些偏好。

如此，多个 Agent 就可以基于同一套 MemOS 记忆配置，复用被授权访问的长期上下文。

在团队工作流中经常会出现这样的情况：

一个人今天用 Claude 梳理需求，明天用 Cursor 改代码，后天用 Codex 跑自动化任务。如果记忆只能跟着某一个客户端走，整个链路就会断。

MemOS CLI 希望把这条链路接起来。

2.2 直接在终端使用：把 CLI 当成记忆管理工具

如果你只是想在终端里手动使用，不安装 Agent Skill，也可以单独配置 CLI 变量。

配置 API Key：

memos config set platform.api_key YOUR_API_KEY

配置默认用户 ID：

memos config set defaults.user_id user_123

配置默认会话 ID：

memos config set defaults.conversation_id conv_001

设置好之后，后续命令没有传对应参数时，会自动使用这些默认值。

这就像给终端设置了一个默认身份。

不用每次都写 --user-id，也不用每次都贴 API Key。日常调试、排查、做 demo，会轻很多。

三、常用记忆命令

MemOS CLI 这次把这些高频操作都收进了 memos 命令里。写入、搜索、查看、删除、抽取、重排、反馈，都可以直接在终端完成。

MemOS CLI 更完整的命令，可以直接看这张表：

640 (2).webp

四、输出格式：给人看，也给 Agent 看

同一份记忆数据，给 Agent 看和给人看，需要的形态是不一样的。

MemOS CLI 所有子命令都支持 --format，默认输出格式是 agent，search 和 get 还额外支持 --detail。

格式	适用场景
table	终端人工阅读
markdown	粘贴到文档中
agent	默认格式，让 Agent 直接注入上下文
json	脚本、工作流或结构化处理

memos search "python"
memos search "python" --format table --detail simple
memos search "python" --format markdown --detail detail
memos search "python" --format agent --detail simple
memos search "python" --format json --detail detail

🌰 举个栗子

本地调试时，可以用：

memos search "python" --format table

看起来舒服。

接到自动化脚本里，就换成：

memos search "python" --format json

方便程序解析。

交给 Agent 使用时，默认的 agent 格式就更合适，少一层转换，也少一层出错空间。

这也是 CLI 适合接进工作流的原因。它不是只给人手动敲命令用，也可以成为脚本、规则系统、CI 或 Agent 工具链的一部分。

五、配置方式：本地配置和环境变量都支持

CLI 支持通过本地配置保存常用参数：

memos config show
memos config get platform.api_key
memos config set platform.api_key YOUR_API_KEY
memos config set defaults.user_id user_123
memos config set defaults.conversation_id conv_001

也支持通过环境变量配置：

环境变量	说明
MEMOS_API_KEY	你的 API Key
MEMOS_BASE_URL	API Base URL，默认 `https://memos.memtensor.cn/api/openmem/v1`

全局选项包括：

参数	说明
–api-key TEXT	覆盖本地配置中的 API Key
–base-url TEXT	覆盖 API Base URL
–version	显示版本号

换句话说，本地配置适合个人开发环境，环境变量适合服务器、CI、自动化脚本和团队工作流。

一个人调试时，把 API Key 写进本地配置最省事；自动化任务里，使用环境变量会更容易管理，也更适合不同环境之间切换。

六、Plugin、CLI + Skill、MCP：不是替代关系，是场景分工

MemOS 现在有几种接入方式。

这次 CLI 上线后，不是要替代 Plugin 或 MCP，而是补上一个更轻量、更通用的入口。

640 (3).webp

Plugin 更像是“精装修”。

如果某个 Agent 框架已经深度适配 MemOS 插件，那体验通常会更完整。

MCP 更像是“标准接口”。

如果客户端原生支持 MCP，用 MCP 接入很自然。

CLI + Skill 更像是“随身工具箱”。

只要环境能跑命令，就可以先接进来。尤其适合本地 Agent、脚本、自动化流程，以及多个 Agent 框架并行使用的团队。

这类设计的目标不是让所有人都用同一种接入方式，而是让不同场景都能找到最省事的那一种。

七、最短上手路径

安装：

npm install -g @memtensor/memos-cloud-cli

确认 CLI 可用：

memos --help

配置 API Key 和默认用户：

memos config set platform.api_key YOUR_API_KEY
memos config set defaults.user_id user_123

如果你希望绑定默认会话，也可以额外配置：

memos config set defaults.conversation_id conv_001

手动验证记忆链路：

memos add "用户喜欢 Python 编程"
memos search "编程语言偏好"
memos chat "你知道我的偏好吗？"

让 Agent 自动使用记忆：

如果前面已经配置过 API Key，可以直接初始化：

memos init --agent codex

如果希望初始化时直接传入 API Key，也可以这样写：

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

如果是 OpenClaw 且已经安装 MemOS 插件：

memos init --agent openclaw --memos-plugin

💡一个小tip：OpenClaw 配合 CLI + 云插件正确率更高，已装 MemOS 云插件的用户可以试一下～

📎 相关链接

GitHub：
https://github.com/MemTensor/MemOS
文档：
https://memos-docs.openmem.net/cn/mcp_agent/cli/guide/

关于 MemOS

MemOS 为 AI 应用构建统一的记忆管理平台，让智能系统如大脑般拥有灵活、可迁移、可共享的长期记忆和即时记忆。

作为记忆张量首次提出“记忆调度”架构的 AI 记忆操作系统，我们希望通过 MemOS 全面重构模型记忆资源的生命周期管理，为智能系统提供高效且灵活的记忆管理能力。

标签

#人工智能 #开源

产品更新｜MemOS CLI 上线：让能跑命令行的 Agent 更轻量接入长期记忆

本次发布亮点

这次 MemOS CLI 主要解决三件事：

一、在终端里，直接把记忆链路跑通

二、两种使用方式：人可以用，Agent 也可以用

2.1 装进 Agent：让记忆自动参与每轮对话

2.2 直接在终端使用：把 CLI 当成记忆管理工具

三、常用记忆命令

四、输出格式：给人看，也给 Agent 看

五、配置方式：本地配置和环境变量都支持

六、Plugin、CLI + Skill、MCP：不是替代关系，是场景分工

七、最短上手路径

相关推荐