🔥【今日推荐 Memori】：给 AI Agent 装上永久记忆，Token 消耗降 20 倍！

Agent 每次对话都失忆？Memori 把 Agent 执行过程和对话转成结构化持久状态，13K+ Stars，LLM 无关，即插即用。

---

🚀 什么是 Memori？

Memori 是一套 Agent 原生记忆基础设施，由 Memori Labs 开源。它解决的问题非常明确：现有的 AI Agent 每次对话都"失忆"，要么靠超长上下文硬撑（Token 烧钱），要么靠简单的向量检索（召回不准）。

Memori 的做法是：把 Agent 的执行过程和对话内容结构化存储为持久状态，像一个专门为 Agent 设计的内存数据库，支持任意 LLM、任意数据存储后端、任意 Agent 框架。

核心定位：Agent 的"海马体"——把短期对话变成长期记忆，支持毫秒级召回，无需修改现有代码！

---

✨ 核心功能一览

---

🛠️ 快速上手

安装（Python / TypeScript 双 SDK）

# Python SDK
pip install memori

# TypeScript SDK
npm install @memorilabs/memori

30 秒接入现有 OpenAI 代码

from memori import Memori
from openai import OpenAI

# 设置环境变量：MEMORI_API_KEY + OPENAI_API_KEY
client = OpenAI()
mem = Memori().llm.register(client)

# 给这个用户/会话打个标签（attribution）
mem.attribution(entity_id="user_123", process_id="support_agent")

# 第一次对话：告诉 AI 你的偏好
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "My favorite color is blue."}]
)
# → Memori 在后台自动持久化这段对话

# 第二次对话（可以是几天后、另一个会话）
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "What's my favorite color?"}]
)
# → Memori 自动召回历史记忆，AI 回答 "Blue"

重点：你不需要改任何提示词、不需要手动管理 Memory、不需要在 prompt 里塞历史记录——Memori 在 SDK 层面自动拦截 LLM 调用，无感植入记忆能力。

---

📊 LoCoMo 基准测试 —— 行业最强

Memori 在学术界公认的 LoCoMo 长对话记忆基准测试 中取得了压倒性成绩：

指标	Memori	全文上下文（Full-context）	Zep	LangMem	Mem0
整体准确率	81.95%	~75%	~68%	~65%	~70%
Token 消耗	1,294 / query	~26,000 / query	~4,000 / query	~3,500 / query	~3,000 / query
相对全文上下文	仅 4.97%	100%	~15%	~13%	~12%

核心数字：用仅仅 4.97% 的 Token 消耗，达到了超越全文上下文的准确率！相比 Zep，Token 减少 67%；相比全文硬撑，成本降低 20 倍以上。

---

💡 适用场景

场景一：客服 Agent 记住用户历史问题

功能说明：将每次客服对话结构化存储，下次用户再来时，Agent 自动知道历史问题和偏好，无需用户重复描述。

输入要求：接入 Memori SDK，设置 entity_id（用户唯一标识）。

输出效果：

• Agent 自动召回历史工单和对话
• 个性化回复（记住用户偏好设置）
• 多轮对话连贯性大幅提升

适用场景：

• 在线客服机器人（电商、SaaS 支持）
• 企业内部 Helpdesk Agent
• 医疗预问诊 Agent（记住患者历史）

---

场景二：个人 AI 助理的跨会话记忆

功能说明：让个人 AI 助理记住你的偏好、日程、工作习惯，跨越数天/数周依然"认识你"。

输入要求：在初始化时设置用户的 entity_id。

输出效果：

• "帮我安排明天会议" → Agent 记得你的工作时间偏好
• "继续上次的报告" → Agent 知道上次写到哪里
• "推荐类似的书" → Agent 记得你最近读过的书

适用场景：

• 个人效率 AI 助理
• 写作/编程 Copilot 的长期上下文
• 健康管理 Agent（记住病史和用药）

---

场景三：多 Agent 协作的共享记忆

功能说明：多个 Agent 共享同一块记忆空间，A Agent 的见闻可以被 B Agent 直接利用。

输入要求：多个 Agent 使用同一个 entity_id 或关联 ID。

输出效果：

• 研究 Agent 找到的论文 → 写作 Agent 直接引用
• 数据 Agent 清洗的结果 → 分析 Agent 直接使用
• 所有 Agent 的动作都被审计追踪

适用场景：

• 企业级多 Agent 自动化流水线
• AI 研究团队的多模型协作
• RAG + Agent 混合系统

---

场景四：自部署模式（数据不出内网）

功能说明：Memori 支持 BYODB（Bring Your Own Database），可以用自己的 PostgreSQL / Redis / Milvus 作为存储后端，数据完全不离开自己的 VPC。

适用场景：

• 金融/医疗等数据合规行业
• 大型企业内网部署
• 对数据主权有严格要求的场景

---

用户群体总结

• ✅ AI Agent 开发者：即插即用，无需自己造记忆模块
• ✅ SaaS 产品经理：提升 AI 功能用户体验（记住用户偏好）
• ✅ 企业 AI 团队：BYODB 模式满足数据合规
• ✅ 个人开发者：Cloud 模式免费额度足够个人项目
• ❌ 不适合：不需要记忆能力的单次调用场景（如简单翻译）

---

🆚 与竞品对比

---

💰 定价方案

方案	价格	适合人群
Memori Cloud 免费版	免费（有额度限制）	个人项目 / 快速验证
Memori Cloud Pro	按量计费（详见官网）	生产环境
BYODB 自部署	开源免费（需自己维护 DB）	企业 / 合规场景

开源协议： Apache 2.0

💡 新手福利：Memori Cloud 有免费额度，注册即用，无需信用卡；BYODB 模式完全开源，数据自己管！**

---

🎯 总结

Memori 解决了 AI Agent 领域一个长期被忽视但极其关键的问题：如何让 Agent 拥有可靠、高效、低成本的长期记忆。其 LoCoMo 基准测试成绩（81.95% 准确率 + 仅 4.97% Token 消耗）证明了结构化记忆路线远优于"全文硬塞上下文"和"简单向量检索"两条老路。

对于正在构建 AI Agent 的开发者来说，Memori 是目前开源方案中最成熟的选择。

推荐指数： ⭐⭐⭐⭐⭐（满分5星）

适合人群： AI Agent 开发者、SaaS 产品团队、需要长期记忆能力的 LLM 应用 builder

立即体验： Memori Cloud 注册

GitHub 仓库： MemoriLabs/Memori

---

数据截至 2026 年 4 月 27 日，最新信息请以官网为准。