memvid/memvid

Memory layer for AI Agents. Replace complex RAG pipelines with a serverless, single-file memory layer. Give your agents instant retrieval and long-term memory.

解決する課題

Memvidは、AIエージェント向けにポータブルでサーバーレスなメモリレイヤーを提供し、複雑なRAGパイプラインや外部ベクトルデータベースの必要性を排除します。エージェントが単一のポータブルファイルに保存された永続的な長期記憶を維持できるようにし、メモリインフラを不要にし、モデルに依存しない構成を実現します。

仕組み

Memvidは、AIメモリを「Smart Frames」と呼ばれる追加専用（append-only）のシーケンスとして構成します。これは、コンテンツ、タイムスタンプ、メタデータを含む不変のユニットです。これらのフレームは、データセグメント、全文インデックス（Tantivy）、ベクトルインデックス（HNSW）、および時系列順序を含む単一の .mv2 ファイルにパッケージ化されます。この設計により、データベースサーバーを必要とせずに、高速な検索、クラッシュ安全性、およびメモリ状態の巻き戻しや分岐が可能になります。

対象ユーザー

異なる環境間で持ち運び可能な、軽量で永続的なメモリソリューションを必要とする、長時間稼働するAIエージェント、オフラインファーストのAIシステム、エンタープライズ知識ベース、および監査可能なAIワークフローを構築している開発者。

ハイライト

  • 単一ファイルストレージ: すべてのデータ、埋め込み、および検索構造は、サイドカーファイルなしで1つの .mv2 ファイルに格納されます。
  • 高いパフォーマンス: メモリ呼び出しにおいて超低レイテンシ（0.025ms P50）と高いスループットを提供します。
  • マルチモーダル対応: PDFテキスト抽出、画像検索用のCLIPビジュアル埋め込み、Whisperオーディオ文字起こしの機能が含まれています。
  • タイムトラベル・デバッグ: 過去のメモリ状態のクエリ、およびメモリタイムラインの再生や分岐をサポートします。
  • ローカルおよびクラウドの埋め込み: ローカルのONNXモデル（BGE-smallなど）とクラウドAPI（OpenAI）をサポートします。

関連

  • プロジェクト
    mem9-ai/mem9

    mem9は、AIコーディングエージェント向けの永続的で検索可能なメモリサービスを提供し、ホストまたはセルフホストのデプロイ、マルチエージェント共有、ハイブリッドベクトル/テキスト検索、スマートインジェスト、主要エージェントプラットフォームとのプラグイン統合を実現しています。

  • プロジェクト
    MemTensor/memmy-agent

    Memmyは、異なるAIコーディングアシスタント間で永続的なコンテキストを提供するローカルメモリおよびエージェントランタイムであり、プロジェクトの履歴や設定を共有可能にします。

  • プロジェクト
    TencentCloud/TencentDB-Agent-Memory

    TencentDB Agent Memoryは、LLMエージェント向けのオープンソースのメモリハブです。会話をキャプチャし、再利用可能なスキルを抽出し、ドキュメントからWikiを構築し、コードをCodeGraphにインデックス化します。中央UI（Memory Hub）により、チームは資産を管理し、きめ細かなACLを設定し、特定のメモリ断片を個々のエージェントにバインドできます。エージェントは統一されたプロキシと通信するため、あらゆるフレームワーク（Claude Code、DeepSeek Harness、OpenClawなど）がコード変更なしで同じメモリを使用できます。ベンチマークでは、ペルソナ保持率が59%向上しました。リポジトリには、ワンクリックのDockerデプロイメント、移行ツール、ゼロ構成のコールドスタートやその他の統合に向けたロードマップが用意されています。

  • プロジェクト
    mnemosyne-oss/mnemosyne

    Mnemosyne は、LLM エージェント向けのオープンソースで SQLite バックエンドのメモリレイヤーです。ローカルファースト、ゼロクラウドのソリューションを提供し、Python SDK、組み込み MCP サーバー、オプションの暗号化同期を備えています。システムは、3 層 BEAM アーキテクチャ（作業記憶、エピソード記憶、トリプルストア）を使用して事実、埋め込み、時間的トリプルを保存し、SQLite 内でハイブリッドベクトルキーワード検索を実行します。多くのエージェントプラットフォーム（Claude Code、Cursor、OpenWebUI、Hermes など）と統合し、単一の `pip install` と最小限のリソースで実行できます。

  • プロジェクト
    MemTensor/MemOS

    MemOS 2.0 は、LLMベースのAIエージェント向けのメモリオペレーティングシステムです。テキスト、画像、ツールトレースなどのマルチモーダルメモリ（ノード）をグラフとして整理し、一元的なAPIで保存・取得・編集・削除が可能です。ホストされたクラウドサービス（APIキーによるアクセス）として動作するか、Docker（Neo4j + Qdrant）またはローカルSQLiteプラグインでセルフホストできます。OpenClaw、Hermes、DeepSeek Harnessとの準備済みプラグインが利用可能。ベンチマークでは既存の商用メモリ製品を上回ることが示されています。Apache 2.0 ライセンス。