Memori: 它是什么，解决了什么问题以及为什么它正受到关注

它解决了什么问题

Memori 为 AI agent 和 LLM 应用提供持久化、结构化的记忆，防止它们在不同会话之间遗忘信息。它允许 agent 记住用户偏好、项目规范以及工具调用和决策的结果，从而减少了在每次请求中传递海量提示词（全上下文）的需求。

工作原理

Memori 集成作为一个后台层，可以接入现有的 LLM 客户端（如 OpenAI）和框架（如 LangChain 或 Pydantic AI）。它基于“归因”（attribution）自动捕获并召回信息——将交互链接到特定的实体（例如用户）和过程（例如特定的 agent）。

它使用结构化方法在三个层面追踪记忆：实体、过程和会话。这种“高级增强”（Advanced Augmentation）可以追踪特定的属性、事件、事实、偏好和关系，而不会为主要的 LLM 调用增加延迟。用户可以使用 Memori Cloud 实现零配置体验，或者采用“自带数据库”（BYODB）的方式。

适用人群

• AI 开发者：构建需要在不同会话间具备长期记忆的 agent 的开发者。
• 个人开发者与团队：使用 MCP 兼容工具（Claude Code, Cursor, Warp）并希望其 AI 记住编码模式和团队知识的开发者。
• 企业级应用：需要在不同的 AI 过程中，以可扩展的方式管理用户特定上下文和偏好的团队。

亮点

• 框架无关：支持主流 LLM（Anthropic, OpenAI, Gemini 等）和框架（Agno, LangChain, Pydantic AI）。
• 低 Token 开销：在 LoCoMo 基准测试中实现了高准确度，同时仅使用全上下文提示词所需 token 的一小部分。
• MCP 支持：通过 Model Context Protocol (MCP) 连接到 AI 编程助手，无需 SDK 集成。
• 自动后台持久化：在后台自动捕获对话和 agent 执行过程（包括工具调用）。