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 提供持久且結構化的記憶給 AI 代理與 LLM 應用，防止它們在不同會話之間遺忘資訊。它讓代理能記住使用者偏好、專案慣例以及工具呼叫與決策的結果，減少必須在每次請求中傳入龐大提示（完整上下文）的需求。

How it works

Memori 作為背景層整合到現有的 LLM 客戶端（如 OpenAI）與框架（如 LangChain 或 Pydantic AI）。它會根據「歸屬」自動捕捉與回溯資訊——將互動連結到特定實體（例如使用者）與特定流程（例如某個代理）。

它採用結構化方法在三個層級追蹤記憶：實體、流程與會話。這種「Advanced Augmentation」會追蹤特定屬性、事件、事實、偏好與關係，且不會為主要 LLM 呼叫增加延遲。使用者可以使用 Memori Cloud 享受零設定體驗，或採用「Bring Your Own Database」(BYODB) 方式自行管理資料庫。

Who it’s for

  • AI Developers：建構需要跨會話長期記憶的代理。
  • Solo Developers & Teams：使用相容 MCP 的工具（Claude Code、Cursor、Warp）的使用者，想讓 AI 記住程式碼模式與部落知識。
  • Enterprise Applications：需要在不同 AI 流程間以可擴展方式管理使用者特定上下文與偏好的團隊。

Highlights

  • Framework Agnostic：支援主要 LLM（Anthropic、OpenAI、Gemini 等）與框架（Agno、LangChain、Pydantic AI）。
  • Low Token Overhead：在 LoCoMo 基準測試中取得高準確度，同時只使用全上下文提示所需代幣的極小比例。
  • MCP Support：透過 Model Context Protocol (MCP) 連接 AI 程式碼助理，無需 SDK 整合。
  • Automatic Background Persistence：自動在背景捕捉對話與代理執行（包括工具呼叫）。