首页资讯关于我们

Memento-Skills v0.2.0 开源发布！

我们很高兴地宣布：Memento-Skills v0.2.0 正式开源发布！ 这不仅是 Memento 系列的一次常规迭代，更是一次架构与理念的双重升级。

如今，你可以用一套可自我进化的技能库，让同一个通用大模型在开发、办公、协作等场景中持续变强，而无需对模型本身进行任何微调。

✨ 核心亮点速览

  • 🧠 Agent + Skill 架构重构：基于 Bounded Context 设计，系统更稳定、更易扩展
  • 🤖 多模型统一支持：Claude、GPT、Gemini、DeepSeek 等主流模型自由切换
  • 📦 内置技能市场：支持云端检索、下载、自动安装技能，BM25 + 语义检索混合路由
  • 💬 IM 平台全面接入：个人微信、飞书、钉钉、企业微信
  • 🖥️ GUI 大幅增强：Workspace 浏览器 + 会话管理，操作效率翻倍
  • 🔧 运维能力提升：OTA 自动更新 + 环境自检，一键诊断配置依赖

🧠 技术深潜：Memento-Skills 为什么能"越用越强"？

Memento-Skills 架构升级示意图

📌 背景：冻结的 LLM 如何获得长期记忆？

传统大模型一旦部署，参数便固定。遇到新任务时，只能依赖参数内知识和有限的上下文窗口，无法从自己的部署经验中学习。

Memento-Skills 的核心洞察是：将可复用的"技能"作为外部记忆单元，让模型通过"读写反思学习"不断积累和优化技能，从而在不更新参数的情况下实现持续进化。

🔁 读写反思学习循环 Read‑Write Reflective Learning

每个任务都会经历五个步骤：

「观察 → 读取 → 执行 → 反馈 → 写入」

  1. 读取：技能路由器从技能库中选出最匹配当前任务的技能（代码 + 提示词 + 声明）
  2. 执行：LLM 依据技能完成多步操作
  3. 反馈：内置裁判模型评估执行结果是否正确
  4. 写入：若失败，系统归因到具体技能，并自动重写技能文件（添加防护逻辑、替代策略等）；若某个技能长期低效，则会触发技能发现——生成全新的技能

读写反思学习循环流程图

🎯 行为对齐的路由器 Behaviour‑Aligned Router

普通语义路由器（如 BM25、纯 Embedding）容易选出"文字相似但执行无用"的技能。

Memento-Skills 采用 单步离线 RL + InfoNCE 对比学习 训练路由器，使其直接优化 执行成功率 而非文本相似度。

行为对齐路由器架构图

📈 理论保证与实测结果

  • 收敛理论：基于状态化反思决策过程（SRDP），当技能库不断密集化，记忆覆盖半径缩小，性能差距被理论边界锁定，保证渐进收敛
  • GAIA 基准：相比只读不写的基线，Memento-Skills 准确率提升 13.7 个百分点（52.3% → 66.0%）

GAIA 和 HLE 基准测试结果对比图

  • HLE 基准：准确率相对提升 116.2%（17.9% → 38.7%）

新增功能总览表格截图

🛠️ 新增功能：开发、办公、自动化全覆盖

类别具体能力
代码编写代码生成、补全、解释、重构
自动化测试自动生成单元测试、执行并输出报告
API 文档生成根据代码或接口定义自动生成结构化文档
表格整理清洗、合并、转换，支持多格式导入导出
报告生成周报、分析报告、项目总结智能生成

⚙️ 快速配置指南（三分钟上手）

模型配置

方法一：

  1. 第一步：点击添加模型，加入自己所要使用的模型

模型配置界面截图

工作空间配置示意图 Mac

  1. 第二步：搜索服务（Tavily Key）

工作空间配置示意图 Windows

方法二：

调整 Raw Config

第三方 IM 接入流程图

具体内容及注意事项如下：

{
  "$schema": "./user_config_schema.json",
  "app": {
    "theme": "system",
    "language": "zh-CN"
  },
  "llm": {
    "active_profile": "default",
    "profiles": {
      "default": {
        "model": "anthropic/claude-3.5-sonnet",
        "api_key": "",
        "base_url": "https://api.openrouter.ai/v1",
        "extra_headers": {},
        "extra_body": {
          "chat_template_kwargs": {
            "thinking": false
          }
        },
        "max_tokens": 81920,
        "temperature": 0.5,
        "timeout": 120
      }
    }
  },
  "env": {
    "GITHUB_TOKEN": null,
    "UV_PYTHON_INSTALL_MIRROR": "https://gh-proxy.com/https://github.com/indygreg/python-build-standalone/releases/download",
    "PIP_INDEX_URL": "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple",
    "PIP_EXTRA_INDEX_URL": "https://mirrors.aliyun.com/pypi/simple/ https://mirrors.huaweicloud.com/repository/pypi/simple/",
    "PIP_TRUSTED_HOST": "mirrors.tuna.tsinghua.edu.cn mirrors.aliyun.com mirrors.huaweicloud.com",
    "UV_PIP_INDEX_URL": "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple",
    "UV_PIP_EXTRA_INDEX_URL": "https://mirrors.aliyun.com/pypi/simple/ https://mirrors.huaweicloud.com/repository/pypi/simple/",
    "UV_PIP_TRUSTED_HOST": "mirrors.tuna.tsinghua.edu.cn mirrors.aliyun.com mirrors.huaweicloud.com",
    "TAVILY_API_KEY": "一定要配置，否则搜索不能用"
  }
}

*配置完若出现不可用的情况需重启一下。 配置要点：

  • model 一定要配置，格式必须是 {服务商}/{模型名称}
  • base_url 一定要配置
  • TAVILY_API_KEY 一定要配置，否则搜索不能用

工作空间

Mac 用户：

打开「访达」，按快捷键「Command + Shift + G」，输入以下内容，然后「Enter」。

（注意有'~'，它代表你的个人文件夹）

~/memento_s/workspace

Windows 用户：

打开「此电脑」，在地址栏输入以下内容，然后「Enter」。

%LocalAppData%\memento_s\memento_s\workspace

📱 接入第三方 IM 工具

支持一键接入个微信、飞书、钉钉、企业微信。详细接入文档已开放：

  • 接入微信（最新版本）

配置文件示例 JSON

📦 下载与开源链接

欢迎体验、分享！