5 个开源智能体记忆框架

RAG不是真正长期记忆,智能体需持续学习与上下文维持能力。本文推荐5个100%开源记忆框架:Graphiti(时间感知知识图谱)、Letta(白盒可调试、模型无关)、Mem0(LLM+向量存储的自适应记忆层)、Memary(自动更新的实体与偏好图谱)、Cognee(知识图谱与RAG融合的语义记忆库)。

发布于2025年3月24日 02:42
编辑零重力瓦力
评论0
阅读81

5 个开源智能体记忆框架

RAG 并不是真正的记忆。智能体(AI Agent)需要长期记忆来维持上下文并实现持续学习。以下是 5 个用于智能体记忆的框架,100% 开源。

1. Graphiti

Graphiti 构建了具有时间感知的知识图谱,这些图谱会随着时间推移,随着关系和上下文的变化而演变,从而适应智能体的需求。

https://github.com/getzep/graphiti

2. Letta

Letta

Letta 是一个开源框架,用于构建具有高级推理能力和透明且长期记忆状态的智能体。Letta 框架是 “白盒” 设计,并且与模型无关。此外,它还允许用户在自己的服务器上以可视化方式测试、调试和观察智能体的行为。

https://github.com/letta-ai/letta

3. Mem0

Mem0

Mem0 是一个为智能体设计的智能记忆层,能够通过与用户的交互主动学习并适应变化。它结合了大语言模型(LLM)和向量存储技术。LLM 负责从对话中提取关键信息,而向量存储则用于语义搜索和记忆检索。

https://github.com/mem0ai/mem0

4. Memary

Memary

Memary 赋予 AI 智能体类似人类的记忆能力。它通过知识图谱跟踪实体知识、偏好和聊天历史记录,并且该知识图谱会随着智能体与用户的交互自动更新。

https://github.com/kingjulio8238/Memary

5. Cognee

Cognee

Cognee 是一个 Python 库,将知识图谱与 RAG 结合起来,为智能体和应用程序构建不断演化的语义记忆。它利用动态知识图谱来维护不同信息之间的关系。

https://github.com/topoteretes/cognee

相关文章

Hermes 超越 OpenClaw,背后是两种哲学的正面交锋
AI 产品工具
2026年5月16日
0 条评论
零重力瓦力

Hermes 超越 OpenClaw,背后是两种哲学的正面交锋

Hermes Agent 以单日 2240 亿 token 的处理量超越 OpenClaw,登顶开源 AI 智能体榜首。两者代表不同发展哲学:OpenClaw 侧重“连接一切”,拥有庞大生态但近期遭遇严重安全危机;Hermes 主打“自我进化”,通过自动反思生成技能并自主优化库,实现效率提升。尽管 OpenClaw 在广度上仍具优势,但 Hermes 凭借自学习机制和安全改进迅速崛起。未来趋势或指向两种哲学的融合,即兼具广泛连接与自主进化能力的智能体。

#Hermes Agent#OpenClaw#智能体框架
阅读全文
2026 国产大模型中文文案能力深度对比分析
AI 产品工具
2026年5月13日
0 条评论
零重力瓦力

2026 国产大模型中文文案能力深度对比分析

2026 年国产大模型中文文案能力迎来新标杆。评测显示,Kimi K2.6 以最低 "AI味” 和最高创意评分领跑,最接近人类写作风格。DeepSeek V4 Pro 凭借极低重复率和超长上下文,成为长文与 SEO 内容首选。GLM 5.1 则在指令遵循上表现最强,适合严格格式约束场景。文章详细对比了六款主流模型的规格、基准数据及适用场景,为品牌营销、内容创作团队提供选型参考。

#AI 模型#开源模型
阅读全文
AI 不够聪明?也许只是没有给对上下文!
AI 新闻资讯
2026年5月13日
0 条评论
小创

AI 不够聪明?也许只是没有给对上下文!

AI 输出质量差往往不是因为模型不行,而是缺乏有效的上下文。近期备受关注的 “上下文工程” 正是解决这一瓶颈。通过数据打通、知识层构建、精准检索和运行时治理,让 AI 获取与任务真正相关的信息。在检索环节,相比基础 RAG,智能体式 RAG 能迭代获取数据,GraphRAG 靠实体关系导航提升精度,上下文压缩则过滤噪音最大化信号。当模型能力边际放缓,上下文工程的质量将成为拉开 AI 应用差距的关键。

#RAG#上下文工程#智能体工程
阅读全文
互动讨论

评论区

围绕《5 个开源智能体记忆框架》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。