返回 AI 工具目录
Memary
开发框架人工精选最近核验 2026年7月23日
Memary 是一个面向自主 Agent 的开源记忆层,目标是让 Agent 像人一样保留并复用交互历史。它在 Agent 运行时自动生成并更新记忆,用知识图谱(可选 FalkorDB 或 Neo4j)存储结构化信息,通过记忆流与实体知识库跟踪用户偏好,支持为多个 Agent 维护各自的记忆上下文,并可接入自定义工具。内部由 ReAct 路由 Agent、知识图谱层和记忆模块构成,记忆模块设计参考了微软研究院的 K-LaMP。以 Python 实现,可本地或云端运行,支持用 Ollama 托管模型。采用 MIT 许可。
定价开源部署本地运行、自托管国内可达国内可达许可MIT
解决什么问题
- 为 Agent 提供跨会话的长期记忆
- 用知识图谱结构化存储实体与偏好
- 随交互自动写入与更新记忆
- 为多个 Agent 维护独立记忆上下文
适合
- 需要给现有 Agent 补上记忆能力
- 愿意引入 Neo4j 或 FalkorDB 图数据库
- 想跟踪用户偏好做个性化的 Agent
- 研究型或原型阶段的记忆方案验证
不适合
- 需自行部署并维护图数据库
- 仓库以 Notebook 示例为主,生产化需二次封装
- 不是完整 Agent 框架,仅补记忆层
- 大规模并发下的性能需自行压测
如何接入
- 以 Python 库嵌入现有 Agent 代码
- 后端连接 Neo4j 或 FalkorDB 存图
- 可选 Ollama 本地托管模型
- 提供自定义工具接入点
已知限制
- 依赖外部图数据库运行
- 示例多为 Jupyter,工程化程度有限
- 记忆模块参考学术方法,需结合业务调参
- 文档以英文为主
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- MIT
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引