分享主题：
《 Memorize AI｜MemOS 架构设计与OpenClaw落地实践 》
分享内容：
随着 AI Coding、Agent、Computer Use 等方向快速发展，越来越多开发者开始尝试让大模型真正“动手做事”——调用工具、操作环境、完成复杂任务。但在真实场景里，大家很快会遇到几个核心问题：任务上下文不连续、跨轮次经验无法沉淀、执行过程缺乏长期记忆、Agent 很难越用越强。
这次分享，我会结合 OpenClaw 和 MemOS 的实践，聊一聊我们对下一代 Agent 系统的一些理解：为什么仅仅让模型“会调用”还不够，为什么 Memory 会成为 Agent 走向长期化、个性化和生产可用的关键能力，以及我们如何把记忆层引入到 Agent 系统中，让它不仅能完成任务，还能在持续使用中逐步积累经验、优化行为。
分享内容会覆盖：
● OpenClaw 这类 Agent / Computer Use 系统带来的新机会
● 当前 Agent 在生产落地中常见的记忆与上下文问题
● MemOS 作为独立记忆层，如何支持 Agent 的长期记忆、任务状态管理与经验复用
● MemOS 与 OpenClaw 结合后，在 AI Coding 和复杂任务执行中的一些实践与思考
这会是一场偏实践、偏系统设计的分享，适合对 AI Coding、Agent、长期记忆、开发者工具与 AI 基础设施感兴趣的亚马逊云科技用户和开发者。
讲师介绍：
华中科技大学学士、美国 Drexel University 博士，现任记忆张量（上海）科技有限公司创始人兼CEO、上海算法创新研究院大模型中心负责人。曾任阿里巴巴集团业务中台数据智能负责人及淘宝天猫数据平台负责人，主导构建了国内首个千亿级数字商业知识图谱和零售行业知识交互大模型，相关成果荣获浙江省科技进步奖等多项荣誉，并在多个顶级AI会议与期刊发表多篇论文。2024年11月，创立记忆张量（上海）科技有限公司，长期致力于人工智能基础理论与系统性创新。带领公司率先提出并落地具有中国特色的大模型发展路径（PlanB），成功构建“低成本、低幻觉、高性能”的大模型核心技术体系。
