neo4j-labs/agent-memory

解决的问题

AI 代理通常难以实现持久且结构化的记忆。本项目提供了一个图原生记忆系统，允许代理存储对话历史、构建实体与偏好的知识图谱，并记录其推理过程以供后续检索。

运作方式

它实现了一个由 Neo4j 支持的三层记忆架构：

• 短期记忆： 使用向量与文本搜索管理单次对话的历史记录。
• 长期记忆： 维护实体、事实与偏好的知识图谱，并利用实体解析与去重功能。
• 推理记忆： 记录推理轨迹与工具使用情况，让代理能够检索过去类似的决策与任务。

该系统支持多阶段实体提取（通过 spaCy、GLiNER2.5 或 LLMs），并可作为托管服务 (NAMS) 部署，或通过 Neo4j Aura (Bolt) 自行托管。它还提供了一个 MCP 服务器，将这些记忆功能作为工具提供给 Claude 或 Cursor 等 AI 助理使用。

适用对象

开发 AI 代理的开发者，若需要让代理跨会话记住用户、维护结构化知识库，或审核达成结论的推理步骤。

特色亮点

• 三层架构： 分别存储对话、知识图谱与推理轨迹。
• 灵活的后端： 支持零基础设施的托管服务 (NAMS) 以及直接连接 Neo4j Aura。
• 广泛整合： 原生支持 OpenAI、Anthropic、Bedrock 与 Vertex AI，并透过 LiteLLM 支持超过 100 种供应商。
• 框架支持： 整合 LangChain、Pydantic AI、CrewAI、LlamaIndex 等。
• MCP 服务器： 将记忆功能转化为 MCP 兼容 AI 助理的工具。
• 进阶图形运算： 包含实体去重、地理空间查询，以及采用现有 Neo4j 图谱的能力。