MemoriLabs/Memori

解决的问题

Memori 为 AI 代理提供了一个持久且结构化的记忆层，防止代理在交互之间出现「会话遗忘」现象。它使代理能够记住用户偏好、项目规范以及执行结果（如工具调用和决策），而无需开发者手动管理庞大的提示上下文或数据库模式。

工作原理

Memori 作为后台层集成到 LLM 交互中。它会自动捕获并持久化对话和代理执行轨迹。通过归属系统（将记忆与特定实体、流程和会话关联）来组织信息。这种结构化记忆可自动或通过显式工具（如 memori_recall）调用，为后续请求中的 LLM 提供上下文，显著减少对完整上下文提示的需求。

适用人群

• AI 代理开发者：使用 LangChain、Pydantic AI 或 Agno 等框架构建代理的开发者。
• 软件工程师：使用 AI 编码助手（如 Claude Code、Cursor、Warp）并希望工具记住项目特定模式的开发者。
• 企业团队：运行高吞吐量代理工作流，希望通过消除重复的代理发现来降低令牌成本并提高准确性的组织。

核心亮点

• 框架无关：兼容主流 LLM（OpenAI、Anthropic、Gemini 等）和框架（LangChain、Pydantic AI、Agno）。
• BYODB 支持：为不希望使用 Memori Cloud 的用户提供「自带数据库」（Bring Your Own Database）选项。
• MCP 集成：支持 Model Context Protocol（MCP），可使用单条命令轻松添加到 Claude Code 或 Cursor 等 AI 客户端。
• 高级增强：自动在实体、流程和会话层面追踪并增强记忆，捕捉属性、事实和关系。
• 高效率：在 LoCoMo 基准测试中表现优于基于检索的记忆系统，仅使用极小部分的完整上下文占用空间即可维持推理质量。