Skip to content

Agent Memory 资源精选

Agent 记忆模块相关的核心资源


🧠 Memory 开源工具对比

完整对比表

工具Stars开源/闭源存储类型特点推荐度使用难度
Mem020k+开源+托管图+向量简单易用、自动提取⭐⭐⭐⭐⭐⭐⭐
MemGPT10k+开源+托管图+向量虚拟内存机制⭐⭐⭐⭐⭐⭐⭐
Zep5k+开源+托管图+向量时间知识图谱⭐⭐⭐⭐⭐⭐⭐
Cognee2k+开源+托管图+向量知识图谱增强⭐⭐⭐⭐⭐⭐
Memary1k+开源轻量级方案⭐⭐⭐⭐⭐
LangChain Memory-开源向量框架内置⭐⭐⭐⭐

🔗 更多 Memory 工具:查看 完整列表


📚 详细介绍

1. Mem0 ⭐⭐⭐⭐⭐

  • 链接https://github.com/mem0ai/mem0
  • Stars:20k+
  • 简介:轻量级 Agent 记忆模块
  • 特点
    • ✅ 简单易用,10 行代码集成
    • ✅ 支持多种后端(Redis、Qdrant、PostgreSQL)
    • ✅ 自动提取和存储重要信息
  • 适合场景
    • 对话 Agent(客服、助手)
    • 个性化推荐
    • 上下文持久化
  • ⚠️ 注意:社区反馈有稳定性问题,使用前需充分测试
  • 学习成本:⭐⭐(1天上手)

快速示例

python
from mem0 import Memory

memory = Memory()
memory.add("用户喜欢红色", user_id="user123")
result = memory.search("用户喜欢什么颜色?", user_id="user123")

2. MemGPT ⭐⭐⭐⭐

  • 链接https://github.com/cpacker/MemGPT
  • Stars:10k+
  • 简介:长期记忆管理系统
  • 特点
    • ✅ 虚拟内存机制(类似操作系统)
    • ✅ 分层存储(工作记忆+长期记忆)
    • ✅ 自动内存管理
  • 适合场景
    • 长期对话(跨会话记忆)
    • 复杂任务追踪
  • 学习成本:⭐⭐⭐(2-3天理解机制)

3. Zep ⭐⭐⭐⭐

  • 链接https://github.com/getzep/zep
  • 简介:企业级长期记忆存储
  • 特点
    • ✅ 生产级稳定性
    • ✅ 可扩展性强
    • ✅ 丰富的检索能力
  • 适合场景
    • 企业级应用
    • 大规模用户
  • 学习成本:⭐⭐⭐

4. LangChain Memory (内置)

  • 文档https://python.langchain.com/docs/modules/memory/
  • 简介:LangChain 内置记忆模块
  • 类型
    • ConversationBufferMemory(缓冲记忆)
    • ConversationSummaryMemory(总结记忆)
    • ConversationKGMemory(知识图谱记忆)
  • 适合场景
    • LangChain 项目
    • 快速集成
  • 学习成本:⭐(30分钟)

📚 Memory 核心论文

必读论文

  1. MemGPT论文

    • 标题:MemGPT: Towards LLMs as Operating Systems
    • 核心思想:虚拟内存机制
  2. Retrieval-Augmented Memory

    • 核心思想:检索增强的记忆系统

💡 Memory 设计要点

核心问题

1. 什么时候存储?

  • ❓ 每句话都存 vs 只存重要信息?
  • 💡 解决方案:重要性评分机制

2. 如何存储?

  • ❓ 原文存储 vs 总结存储?
  • 💡 解决方案:分层存储(短期+长期)

3. 如何检索?

  • ❓ 向量检索 vs 关键词检索?
  • 💡 解决方案:混合检索 + 时间衰减

4. 何时遗忘?

  • ❓ 一直累积 vs 定期清理?
  • 💡 解决方案:滑动窗口 + 重要性保留

🎯 面试高频问题

Q1: 如何设计 Agent 的长期记忆机制?

标准答案

我会采用分层记忆架构:

1. 【工作记忆】(短期)
   - 当前对话上下文(最近 10 轮)
   - 存储:内存(快速访问)
   
2. 【情节记忆】(中期)
   - 本次会话的关键信息
   - 存储:向量数据库
   
3. 【语义记忆】(长期)
   - 用户偏好、历史重要信息
   - 存储:知识图谱 + 向量库

检索策略:
- 先查工作记忆(O(1))
- 再查情节记忆(向量检索)
- 最后查语义记忆(混合检索)

遗忘机制:
- 时间衰减(越久越不重要)
- 重要性保留(关键信息不删除)
- 定期压缩(总结+去重)

Q2: Mem0 和 MemGPT 有什么区别?

维度Mem0MemGPT
核心思想自动提取+向量存储虚拟内存机制
易用性简单(10行代码)复杂(需理解机制)
适合场景对话Agent、个性化长期任务、复杂记忆
稳定性⚠️ 有待验证✅ 相对稳定


🗂️ 更多 Memory 工具

图+向量混合存储

工具URLGitHub特点
Cogneehttps://www.cognee.ai/GitHub知识图谱增强
Memonto-GitHub纯图存储
Memaryhttps://finetune.dev/GitHub轻量级
GraphRAGhttps://microsoft.github.io/graphrag/GitHub微软出品

纯向量存储

工具URLGitHub特点
BaseAIhttps://langbase.com/docs/memoryGitHubLangbase 出品
BondAIhttps://bondai.dev/GitHub简单易用
Vanna.AIhttps://vanna.ai/GitHubSQL 场景

📚 Memory 核心论文(必读)

应用驱动派(推荐先看)

  1. MemGPT ⭐⭐⭐⭐⭐

  2. Mem0 ⭐⭐⭐⭐⭐

  3. Zep - Graphiti ⭐⭐⭐⭐

  4. HippoRAG ⭐⭐⭐⭐

模型驱动派(算法岗推荐)

  1. Memorizing Transformers ⭐⭐⭐⭐

  2. MemoryLLM ⭐⭐⭐⭐

  3. Memory³ ⭐⭐⭐⭐

  4. WISE ⭐⭐⭐⭐

  5. Titans ⭐⭐⭐⭐

  6. MemAgent ⭐⭐⭐⭐

综述论文

  1. Agent Memory Survey ⭐⭐⭐⭐⭐

  2. Multimodal Memory Survey ⭐⭐⭐⭐


🎯 两大流派对比

维度模型驱动(改模型)应用驱动(加外挂)
代表工作Memorizing Transformers、MemoryLLMMemGPT、Mem0、Zep
核心思路改造模型内部结构应用层记忆管理
优势性能上限高、读取效率高落地快、易扩展
劣势研发成本高、周期长依赖底层模型
适合算法岗(做研究)开发岗(做应用)

📝 相关文档

🔗 完整论文列表:查看 Awesome-Awesome-LLM

Released under the MIT License.