MemoriLabs/Memori

项目概览

在 LoCoMo 基准测试中，仅用 1294 tokens/query（约 4.97% 全量上下文）即达到 81.95% 的总体准确率，且在相同测试中表现超过 Zep、LangMem 和 Mem0。

项目类型

AI Agent · RAG 与知识库

应用场景

知识问答 · 自动化执行

部署方式

查看项目说明

License

License 待确认

适合谁

• 需要持久化智能体状态并希望减小上下文提示词体积的开发者和企业团队。
• 寻求 LLM、数据存储与开发框架无关的独立记忆基础设施的 AI 工程师。

核心能力

• 在每轮交互后的后台运行，自动从对话和智能体执行中捕获结构化记忆，并供智能体在后续过程中调用。
• 在实体、流程和会话级别增强记忆，支持的属性类型包含属性、事件、事实、人物、偏好、关系、规则和技能。
• 将大语言模型的交互分组为会话，并支持重置或覆盖会话 ID。
• 允许用户使用自己的数据库来存储记忆，以此替代托管云服务。
• 提供统一的工具，用于跨所有 SDK 管理账户、密钥和配额。

限制与风险

• 如果没有提供归属（Attribution）信息，memori 将无法生成记忆。
• 免费层级受 IP 地址配额的速率限制；超出限制后需要用户注册或提供 API 密钥。

如何开始

• 设置难度较低，只需执行 pip/npm 安装并设置环境变量。首次成功路径为：在 app.memorilabs.ai 注册，通过 pip 安装 memori，在环境中设置 MEMORI_API_KEY 和 OPENAI_API_KEY，然后通过 Memori 注册的 LLM 调用 client.chat.completions.create。

核验依据

• GitHub 项目简介: Memori is agent-native memory infrastructure. A LLM-agnostic layer that turns agent execution and conversation into structured, persistent state for production systems.
• README: pip install memori
• README: npm install @memorilabs/memori
• README: Your agent forgets everything between sessions. Memori fixes that. It remembers your stack, your conventions, and how you like things done so you stop repeating yourself.
• README: Memori was evaluated on the LoCoMo benchmark for long-conversation memory and achieved 81.95% overall accuracy while using an average of 1,294 tokens per query. That is just 4.97%…

内容核验时间：