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.
解决的问题
Memvid 为 AI Agent 提供了一个便携式的无服务器内存层，消除了对复杂 RAG 流水线或外部向量数据库的需求。它允许 Agent 维护存储在单个便携文件中的持久长期记忆，实现了无内存基础设施和模型无关性。
工作原理
Memvid 将 AI 记忆组织为“Smart Frames”的追加序列——这是包含内容、时间戳和元数据的不可变单元。这些帧被打包进单个 .mv2 文件中，其中包含数据段、全文索引 (Tantivy)、向量索引 (HNSW) 和按时间排序的序列。这种设计实现了快速检索、崩溃安全性，以及无需数据库服务器即可回溯或分支记忆状态的能力。
适用对象
构建长期运行的 AI Agent、离线优先的 AI 系统、企业知识库以及需要可审计的 AI 工作流的开发者，他们需要一种可以跨不同环境携带的轻量级、持久的内存解决方案。
亮点
- 单文件存储：所有数据、嵌入和搜索结构都包含在一个
.mv2 文件中，没有侧边文件。
- 高性能：为记忆检索提供极低的延迟 (0.025ms P50) 和高吞吐量。
- 多模态支持：包括 PDF 文本提取、用于图像搜索的 CLIP 视觉嵌入以及 Whisper 音频转录功能。
- 时光旅行调试：支持查询过去的记忆状态并重放或分支记忆时间线。
- 本地与云端嵌入：支持本地 ONNX 模型（如 BGE-small）和云端 API (OpenAI)。
相关
- 项目
mem9-ai/mem9mem9 为 AI 智能体提供了一个持久化的共享内存层，通过统一的 API 使其能够在不同的会话、机器和平台之间保留上下文。
- 项目
- 项目
TencentCloud/TencentDB-Agent-MemoryTencentDB Agent Memory 是一个用于 LLM 代理的开源记忆中心。它能捕捉对话、提取可重复使用的技能、从文档中建立 Wiki，并将代码索引至 CodeGraph。中央 UI (Memory Hub) 让团队能管理资产、设置细粒度的 ACL，并将特定的记忆片段绑定至个别代理。代理通过统一的代理服务器进行通讯，因此任何框架 (如 Claude Code、DeepSeek Harness、OpenClaw 等) 均可在无需修改代码的情况下使用相同的记忆。基准测试显示角色保留率提升了 59%。存储库提供一键式 Docker 部署、迁移工具，以及关于零配置冷启动与更多整合的路线图。
- 项目
mnemosyne-oss/mnemosyneMnemosyne 是一个开源、以 SQLite 为后端的 LLM 代理记忆层。它提供本地优先、零云端的解决方案，包含 Python SDK、内置 MCP 服务器，以及可选的加密同步。系统使用三层 BEAM 架构（工作记忆、情景记忆、三元组存储）存储事实、嵌入和时间三元组，并在 SQLite 内执行混合向量关键词搜索。它集成了多种代理平台（Claude Code、Cursor、OpenWebUI、Hermes 等），只需单一 `pip install` 和极少资源即可运行。
- 项目
MemTensor/MemOSMemOS 2.0 是一个面向基于 LLM 的 AI 代理的内存操作系统。它提供统一的 API 用于存储、检索、编辑和删除多模态记忆（文本、图像、工具追踪等），以图结构组织。系统可作为托管云服务（API 密钥访问）运行，也可通过 Docker（Neo4j + Qdrant）自托管，或使用本地 SQLite 插件部署。已提供与 OpenClaw、Hermes 和 DeepSeek Harness 的预装插件。基准测试显示其性能优于现有商业记忆产品。采用 Apache 2.0 许可证。