MemoriLabs/Memori

Memori is agent-native memory infrastructure. A LLM-agnostic layer that turns agent execution and conversation into structured, persistent state for production systems. Built for enterprise, Memori works with the data infrastructure you already run, no rip-and-replace, and deploys across managed cloud, single-tenant cloud, VPC, and on-premises.

What it solves

Memori 提供持久且结构化的记忆给 AI 代理与 LLM 应用，防止它们在不同会话之间遗忘信息。它让代理能够记住用户偏好、项目惯例以及工具调用和决策的结果，减少必须在每次请求中传入庞大提示（完整上下文）的需求。

How it works

Memori 作为后台层集成到现有的 LLM 客户端（如 OpenAI）和框架（如 LangChain 或 Pydantic AI）。它会根据“归属”自动捕获与回溯信息——将交互关联到特定实体（例如用户）和特定流程（例如某个代理）。

它采用结构化方法在三个层级追踪记忆：实体、流程和会话。这种“Advanced Augmentation”会追踪特定属性、事件、事实、偏好与关系，且不会为主要 LLM 调用增加延迟。用户可以使用 Memori Cloud 享受零配置体验，或采用“Bring Your Own Database”(BYODB) 方式自行管理数据库。

Who it’s for

  • AI Developers：构建需要跨会话长期记忆的代理。
  • Solo Developers & Teams：使用兼容 MCP 的工具（Claude Code、Cursor、Warp）的用户，想让 AI 记住代码模式和部落知识。
  • Enterprise Applications：需要在不同 AI 流程间以可扩展方式管理用户特定上下文与偏好的团队。

Highlights

  • Framework Agnostic：支持主要 LLM（Anthropic、OpenAI、Gemini 等）与框架（Agno、LangChain、Pydantic AI）。
  • Low Token Overhead：在 LoCoMo 基准测试中取得高准确度，同时只使用全上下文提示所需代币的极小比例。
  • MCP Support：通过 Model Context Protocol (MCP) 连接 AI 编码助理，无需 SDK 集成。
  • Automatic Background Persistence：自动在后台捕获对话与代理执行（包括工具调用）。