memory-os
Un système d'exploitation à mémoire à 7 couches pour Hermes Agent — mémoire persistante avec Qdrant, faits structurés, rappel de tissu, wiki auto-curé et injection de contexte chirurgical. Fonctionne localement, avec n'importe quel fournisseur de LLM.
Gérez la mémoire persistante pour les agents IA, leur permettant de se souvenir des interactions passées et du contexte.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentUn système d'exploitation à mémoire à 7 couches pour Hermes Agent — mémoire persistante avec Qdrant, faits structurés, rappel de tissu, wiki auto-curé et injection de contexte chirurgical. Fonctionne localement, avec n'importe quel fournisseur de LLM.
memory-os compte 1.3k étoiles sur GitHub. Il a été forké 122 fois. memory-os est écrit principalement en Python. Il est développé activement depuis 2026. memory-os est disponible sous licence MIT. Ses principaux thèmes sont : ai-memory, context-injection, docker, ground-truth.
Qu'est-ce que memory-os ?
Un système d'exploitation à mémoire à 7 couches pour Hermes Agent — mémoire persistante avec Qdrant, faits structurés, rappel de tissu, wiki auto-curé et injection de contexte chirurgical. Fonctionne localement, avec n'importe quel fournisseur de LLM.
memory-os est-il open source ?
memory-os est un projet open source. Il est distribué sous licence MIT.
memory-os est-il gratuit ?
Oui. memory-os est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est memory-os ?
memory-os est disponible sous licence MIT.
Dans quel langage memory-os est-il écrit ?
memory-os est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/claudiodrews-memory-os.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.