RichmondAlake/memorizz

Memorizz 是什么

Memorizz 是一个 Python 框架，用于构建 记忆优先 的 AI 代理。它将持久化存储、大型语言模型（LLM）提供商、提示词和推理结合在一起，使代理能够跨会话记住有用的事实、检索正确的上下文，并随着时间改进其决策。

核心概念

概念	它为你提供什么
记忆类型	情节性（对话历史）、语义性（知识库）、程序性（工具和工作流程）、短期（工作上下文）、共享（团队工作空间）。
智能平面	结合 LLM、提示词、规划、工具选择和记忆系统的层。其目标是更高的决策质量和更少的幻觉。
持续学习	代理捕获工具结果，将成功模式提炼为可重用的技能，并自动评估和降级停止工作的技能。
遗忘机制	记忆按新近度、重要性和相关性排序；抑制是可逆的且受控的，模仿生成代理的遗忘方式。

主要组成部分

1. MemAgent / MemAgentBuilder – 定义代理的主要类。你设置指令，选择模型提供商（OpenAI、Ollama 等），选择记忆范围，然后构建一个持久化代理。
2. 记忆提供商 – 即插即用的后端：本地文件系统、MongoDB、Oracle、Notion + 向量存储等。它们都遵循一个通用契约。
3. 挂接 – 外部执行环境（Codex、Claude Code、OpenHands、DeepSeek 等）。MetaHarness 可以在任何挂接上运行任务，保持记忆范围，执行预算、批准和验证。
4. CLI / UI – memorizz 命令行和本地 Web 仪表板显示运行、成功率、令牌使用量、成本和记忆健康状况。你还可以将系统作为 MCP 服务器暴露，用于多用户设置。
5. 编码助手插件 – 一个插件让 Codex 或 Claude Code 在每个会话开始时使用项目的记住事实和之前的摘要，并与其他代理共享记忆。

典型工作流程（Python SDK）

from memorizz import MemAgentBuilder

agent = (
    MemAgentBuilder()
    .with_instruction("记住有用的上下文并用它来帮助用户。")
    .with_llm_config({"provider": "openai", "model": "gpt-4o-mini"})
    .with_memory_ids("my-assistant")
    .build_and_save()
)

scope = {"memory_id": "my-assistant", "user_id": "alice", "thread_id": "intro"}
with agent.lifecycle(close_memory_provider=True):
    agent.run("我从事支付系统工作。", **scope)
    print(agent.run("我告诉过你关于我的工作什么？", **scope))

代理将第一条语句存储在情节性记忆中；第二次调用自动检索它。

开始使用

• 通过 PyPI 安装：pip install memorizz。
• 提供 API 密钥（例如，OPENAI_API_KEY）。
• 运行 memorizz 获取交互式 CLI 或 memorizz ui 获取仪表板。
• 使用 memorizz memory configure 配置记忆存储（文件系统、Notion 等）。
• 使用上面的快速入门代码创建一个持久化助手。

谁可能使用它

• 自主助手开发者，需要长期上下文（例如，个人 AI、支持机器人）。
• 构建多代理工作流程的团队，代理共享知识并委派任务。
• 探索持续学习和记忆驱动提示词的研究人员。
• 工具密集型自动化，受益于缓存的工具结果和可逆遗忘。

成熟度与许可证

• 实验性 – API 可能会更改，项目尚未为生产环境进行安全加固。
• 根据 PolyForm Non-commercial 1.0.0 许可（免费用于非商业用途）。

---

简而言之： Memorizz 是一个相当完整、开源的 Python 工具包，使 LLM 代理 记住——跨运行持久化、检索和精炼知识，具有 UI 可观察性、对编码助手的插件支持，以及用于在各种外部模型上运行任务的“挂接”系统。