Memori：是什麼、解決什麼問題以及為何受到關注

解決什麼問題

Memori 為 AI agent 與 LLM 應用程式提供持久且結構化的記憶，防止它們在不同對話階段之間遺忘資訊。它允許 agent 記住使用者偏好、專案慣例，以及工具呼叫與決策的結果，從而減少在每次請求中傳遞龐大提示詞（完整上下文）的需求。

如何運作

Memori 作為一個背景層整合進現有的 LLM 客戶端（如 OpenAI）與框架（如 LangChain 或 Pydantic AI）。它會根據「歸屬」（attribution）自動擷取並召回資訊——將互動連結到特定的實體（例如：使用者）與流程（例如：特定的 agent）。

它使用結構化方法在三個層級追蹤記憶：實體、流程與對話階段。這種「進階增強」（Advanced Augmentation）會追蹤特定的屬性、事件、事實、偏好與關係，且不會為主要的 LLM 呼叫增加延遲。使用者可以使用 Memori Cloud 獲得零配置體驗，或採用「自備資料庫」（Bring Your Own Database, BYODB）的方式。

對象是誰

• AI 開發者：正在構建需要在不同對話階段之間具備長期記憶之 agent 的開發者。
• 個人開發者與團隊：使用 MCP 相容工具（Claude Code, Cursor, Warp）並希望其 AI 能記住編碼模式與團隊知識的用戶。
• 企業級應用：需要在不同 AI 流程中，以可擴展的方式管理使用者特定上下文與偏好之團隊。

重點摘要

• 框架無關性：支援主要 LLM（Anthropic, OpenAI, Gemini 等）與框架（Agno, LangChain, Pydantic AI）。
• 低 Token 開銷：在 LoCoMo 基準測試中達到高準確度，同時僅使用完整上下文提示詞所需 Token 的一小部分。
• MCP 支援：透過 Model Context Protocol (MCP) 連接至 AI 編碼助手，無需進行 SDK 整合。
• 自動背景持久化：在背景自動擷取對話與 agent 執行過程（包括工具呼叫）。