Memori

Memori 是一款开源记忆引擎，核心能力是让任何大语言模型（LLM）拥有类人记忆——能跨会话记住对话内容、从交互中学习、保持上下文连贯性，且仅需一行代码即可启用：memori.enable()。

更关键的是，所有记忆数据都存储在你完全掌控的标准 SQL 数据库中（支持 SQLite、PostgreSQL、MySQL），可移植、可查询、可审计，无任何厂商锁定。

为什么AI必须要有“记忆”？

如今多数 AI 应用都存在“记忆缺失”问题：每次开启新会话，都要重复输入背景信息（比如“我的需求是XX”“偏好XX格式”）；AI 代理拆分任务为多步骤执行时（计划→搜索→调用API→解析→输出），容易丢失步骤间连贯性，甚至重复调用工具、忘记用户规则，最终导致 token 浪费、耗时增加、结果不一致。

而人类的高效协作，恰恰依赖于“记忆延续”——再次沟通时，能回忆起对方的需求、过往互动细节，无需重复铺垫。Memori 正是要让 AI 具备这种能力：

• 自动记住上下文（常用工具、正在推进的项目、合作对象）；
• 跳过重复背景说明，降低 token 消耗与使用成本；
• 每次输出都连贯、个性化，而非“从零开始”。

选择 Memori 的 5 大核心优势

1. 极简集成：一行代码即可接入 OpenAI、Anthropic、LiteLLM、LangChain 等任何 LLM 框架，无需复杂配置；
2. 原生 SQL 存储：支持主流 SQL 数据库，数据完全由你掌控，可随时查询、审计，无数据泄露风险；
3. 极致成本优化：无需依赖昂贵的向量数据库，直接节省 80%-90% 的相关开销；
4. 零厂商锁定：支持将记忆数据导出为 SQLite 格式，可随时迁移至其他平台；
5. 智能记忆管理：自动提取对话中的实体信息、映射内容关系，按优先级排序上下文，确保 AI 只获取最相关的记忆。

Memori 的工作原理：类人记忆的技术实现

Memori 核心是通过“分层记忆模式”和“多代理协作”，让 AI 高效调用记忆：

1. 三种记忆模式，适配不同场景

• 意识模式（短期工作记忆）：保留最近、最关键的上下文，供 AI 即时调用，确保当前会话连贯性；
• 自动模式（动态智能检索）：每次交互时，从整个 SQL 数据库中精准查找最相关的历史记忆；
• 组合模式：分层结合短期快速回忆与长期深度检索，兼顾效率与全面性。

2. 多代理协同架构

底层由三个核心代理分工协作，确保记忆处理的精准与高效：

• 捕获代理：记录对话内容、交互细节，同步至数据库；
• 分析代理：解析内容核心信息，提取实体、关系与关键数据；
• 检索代理：根据当前场景，筛选最相关的记忆注入 LLM 上下文。

此外，Memori 采用 SQL 优先设计，内置全文搜索、版本控制与查询优化功能，开箱即可对接 SQLite、PostgreSQL、MySQL，无需额外搭建复杂存储环境。

实际应用场景：让 AI 记忆落地各行业

Memori 可重构 AI 在多领域的使用逻辑，带来更高效、个性化的体验：

• 销售与 CRM：记住每一次客户交互细节、交易进度，自动生成业务洞察，加速成交转化；
• 电商场景：基于客户历史浏览、购买行为，提供精准个性化推荐，提升复购率；
• 客服支持：客服 AI 拥有完整历史对话上下文，无需用户重复说明问题，响应更顺畅；
• 个人工具：个人日记助手（长期追踪反思与心路历程）、研究代理（持续积累知识，避免重复调研）、旅行规划代理（记住偏好与历史行程，优化规划方案）。

无缝集成主流 AI 代理框架

Memori 可快速接入热门 AI 代理生态，无需重构现有系统：

• LangChain：为企业级代理添加长期记忆，兼容自定义工具、执行器与错误处理机制；
• Agno：给简单聊天代理增加持久对话能力与记忆搜索功能；
• CrewAI：实现多代理间的共享记忆，提升协作效率与任务流连贯性。

生产级数据库基础设施支持

Memori 背靠 GibsonAI 提供的数据库基础设施，确保记忆功能具备生产级可靠性：

• 即时部署，快速启动使用；
• 按需自动扩缩容，适配业务流量波动；
• 数据库分支与版本控制，便于回溯与测试；
• 查询优化，提升记忆检索速度；
• 任意时间点恢复，保障数据安全。