唐波
记忆张量MemTensor应用算法负责人，MemOS OpenClaw项目技术负责人
唐波，记忆张量（上海）科技有限公司应用算法负责人，主要负责 MemOS 和 ClawForce 产品研发。曾带领团队研发新语 NewsCopilot 多智能体融合生产引擎，服务于新华社并应用于两会场景。曾任职于微软亚洲研究院、阿里巴巴、美团，并与纽约大学、中山大学开展产学研合作。长期从事自然语言处理、强化学习与安全强化学习研究，在 ICML、NeurIPS、ICLR、ACL 等国际顶级会议发表论文 40 余篇。
演讲主题
从“记录”到“资产”：MemOS如何构建 OpenClaw 多 Agent 的记忆引擎
随着智能体逐步进入真实业务场景，传统“对话即结束、经验难沉淀”的记忆机制，已难以支撑企业级协作与持续进化。我将结合自己主导的MemOS项目实践，分享如何围绕 MemOS构建可落地的企业级记忆引擎，解决多 Agent 场景下的高成本遗忘、记忆黑盒、经验流失和协作孤岛等问题。报告将重点介绍 MemOS在记忆采集、智能去重、分层检索、任务总结、技能进化与隔离共享等方面的设计思路，以及如何让对话数据逐步沉淀为可复用、可管理、可进化的组织资产，为企业智能体系统提供更强的持续学习与协同能力。 大纲： 1.OpenClaw 原生记忆在企业场景中的四大瓶颈 2.MemOS的核心定位：让记忆成为可进化的资产 3.多 Agent 记忆架构设计：隔离、共享与协同 4.从对话到任务到技能的智能闭环 5.项目落地中的关键经验：去重、检索、沉淀与治理 6.虾池智能体系统的下一步演进方向
