Memori开源LLM记忆引擎，一行代码为AI智能体添加持久记忆能力

Memori：为LLM、AI智能体和多智能体系统提供开源记忆引擎

你是否曾经为大型语言模型缺乏持久记忆而烦恼？每次对话都要重新提供上下文，既低效又昂贵。Memori 的出现，旨在彻底解决这个问题。它是一个基于SQL的开源记忆引擎，只需一行代码就能为任何LLM提供持久化、可查询的记忆能力。本文将带你全面了解这个潜力新星。

截至收录：
Memori项目stars数：5197
Memori项目forks数：392

Memori项目目录截图

Memori项目核心亮点

🌟 一行代码集成：只需调用 memori.enable()，即可为任何LLM框架添加持久记忆功能。
🎯 SQL原生存储：使用标准SQL数据库（SQLite、PostgreSQL、MySQL），完全掌控数据，零供应商锁定。
💰 成本节省80-90%：无需昂贵的向量数据库，使用现有SQL基础设施即可实现智能记忆。
🧠 智能记忆管理：自动实体提取、关系映射和上下文优先级排序，让LLM真正”记住”重要信息。

Memori项目快速开始

只需几步，你就能为LLM添加持久记忆：

1. 安装：

   pip install memorisdk

2. 基础使用：

   from memori import Memori
   from openai import OpenAI
   # 初始化记忆引擎
   memori = Memori(conscious_ingest=True)
   memori.enable()
   
   client = OpenAI()
   # 第一次对话 - 模型会记住内容
   response = client.chat.completions.create(
   model="gpt-4o-mini",
   messages=[{"role": "user", "content": "我正在构建一个FastAPI项目"}]
   )
   # 后续对话 - Memori自动提供上下文
   response = client.chat.completions.create(
   model="gpt-4o-mini",
   messages=[{"role": "user", "content": "帮我添加身份验证功能"}]
   )
   # LLM自动知道你的FastAPI项目背景
   

Memori项目应用场景

场景一：个人AI助手：构建能够记住用户偏好、习惯和历史的智能助手，提供个性化服务。
场景二：多轮对话系统：客服机器人和技术支持系统能够记住整个对话历史，提供连贯的服务体验。
场景三：多智能体协作：在AutoGen、CrewAI等多智能体系统中，实现智能体间的记忆共享和上下文传递。
场景四：企业知识管理：将企业文档、会议记录等结构化存储，供LLM在需要时智能检索和使用。

用户案例：目前，Memori已集成到AgentOps、Agno、AWS Strands、Azure AI Foundry、AutoGen、CamelAI、CrewAI等主流AI框架和平台中。

Memori项目链接

GibsonAI / Memori项目地址：https://github.com/GibsonAI/Memori

本文地址：https://www.tgoos.com/24065