memU

活跃

GitHub Python NOASSERTION

简介

面向 24/7 主动式 Agent 的记忆系统，支持 MCP 协议集成，为持续性运行的 AI Agent 提供长期记忆管理、技能存储和主动推理能力。

核心特性

7×24 主动式记忆 Agent，持续捕获和理解用户意图
类文件系统记忆结构，支持文件夹、文件、符号链接和挂载点，知识有序组织
显著降低 LLM token 消耗，上下文窗口约为同类方案的 1/10
MCP 协议集成，无缝连接现有 AI Agent 生态
跨会话记忆持久化——自动记住用户目标、偏好和上下文
主动任务执行：Agent 预判下一步操作并预加载相关上下文

适用场景

💡 构建跨会话记住用户偏好的全天候 AI 助手

💡 降低长时间运行的生产级 Agent 系统的 token 成本

💡 创建无需显式指令即可预判用户需求的主动式 Agent

💡 为企业级 AI 部署管理持久化知识图谱

优势与不足

✅ 优势

• 活跃维护，近期持续更新
• 社区热度高（14.4k stars）
• Issue 响应及时，积压少

⚠️ 不足

• 缺少明确的开源许可证

分类

🧩 Agent 记忆

快速开始

pip install memu-py && python -c "import memu; print('ready')"

访问 GitHub 访问官网

相关项目

MaxKB

22.7k · Python

活跃 A+

MaxKB 是基于 LLM 大模型的开源知识库问答与 Agent 构建平台，支持向量检索、工作流编排与多种模型接入，开箱即用。

knowledge-baseragchatbot +3

· RAG 流水线 — 支持文档上传与在线爬取，自动切分、向量化，有效减少大模型幻觉
· Agentic 工作流 — 强大的工作流引擎、函数库与 MCP 工具调用，满足复杂业务场景
· 零代码集成 — 无缝接入第三方业务系统，快速赋予现有系统智能问答能力

查看完整详情 → 在 GitHub 查看

MemAgent

1.1k · Python

不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架，附带用于任意智能体工作流 RL 训练的训练框架，解决长上下文记忆难题。

memoryagentrag +2

· 超长上下文处理：从 8K 训练上下文外推至 350 万 token，性能损失低于 5%
· 强化学习驱动：采用 RLVR（可验证奖励强化学习）训练，扩展 DAPO 算法支持多轮对话端到端优化
· 线性时间复杂度：突破长文本处理的计算瓶颈，资源随文本长度线性扩展

在 GitHub 查看

Memori

16.5k · Python

活跃 A+

Agent 原生记忆基础设施，将 Agent 执行过程和对话转化为结构化持久状态，提供 LLM 无关的记忆管理层，支持 MCP 集成和 Python/TypeScript 双语言 SDK。

memoryagentrag +3

· Agent 原生记忆基础设施，自动将对话和执行过程转化为结构化持久状态
· LLM 无关设计，支持 OpenAI、Anthropic 等任意模型提供商
· Python/TypeScript 双语言 SDK，MCP 一键集成 Claude Code/Cursor/Codex