MemoriLabs/Memori

解決的問題

Memori 為 AI 代理提供了一個持久且結構化的記憶層，防止代理在互動之間出現「會話遺忘」現象。它讓代理能夠記住使用者偏好、專案規範以及執行結果（如工具呼叫與決策），而無需開發者手動管理龐大的提示上下文或資料庫模式。

工作原理

Memori 作為後台層整合至 LLM 互動中。它會自動捕獲並持久化對話與代理執行軌跡。透過歸屬系統（將記憶與特定實體、流程和會話關聯）來組織資訊。這種結構化記憶可自動或透過顯式工具（如 memori_recall）調用，為後續請求中的 LLM 提供上下文，顯著減少對完整上下文提示的需求。

適用對象

• AI 代理開發者：使用 LangChain、Pydantic AI 或 Agno 等框架建構代理的開發者。
• 軟體工程師：使用 AI 編碼助手（如 Claude Code、Cursor、Warp）並希望工具記住專案特定模式的開發者。
• 企業團隊：運行高吞吐量代理工作流程，希望透過消除重複的代理發現來降低令牌成本並提升準確性的組織。

核心亮點

• 框架無關：相容主流 LLM（OpenAI、Anthropic、Gemini 等）與框架（LangChain、Pydantic AI、Agno）。
• BYODB 支援：為不希望使用 Memori Cloud 的使用者提供「自帶資料庫」（Bring Your Own Database）選項。
• MCP 集成：支援 Model Context Protocol（MCP），可使用單一指令輕鬆新增至 Claude Code 或 Cursor 等 AI 客戶端。
• 高階增強：自動在實體、流程與會話層面追蹤並增強記憶，捕捉屬性、事實與關係。
• 高效率：在 LoCoMo 基準測試中表現優於基於檢索的記憶系統，僅使用極小部分的完整上下文佔用空間即可維持推理品質。