Repolode
Enviar
NirDiamant

NirDiamant/Agent_Memory_Techniques

Repositório para aprender técnicas de memória para agentes LLM, com 30 notebooks Jupyter executáveis, de buffers de conversa a Mem0, Letta, Zep e Graphiti.

Ver no GitHubSite
Estrelas
1,111
Forks
142
Issues abertas
2
Último commit
há 3 dias

O que é?

Agent Memory Techniques é um recurso prático para aprender a dar memória a agentes baseados em LLM entre turnos, sessões e tarefas. Sem memória, o agente precisa reconstruir o contexto a cada interação, o que dificulta a personalização e a coerência em interações prolongadas. O repositório organiza 30 técnicas em seis grupos: gerenciamento de contexto de curto prazo, armazenamento de longo prazo, arquiteturas cognitivas, padrões de recuperação e multiagentes, frameworks e avaliação com padrões de produção.

Cada técnica tem seu próprio notebook, que pode ser executado localmente ou aberto no Colab. Os primeiros notebooks abordam buffers de conversa, janelas deslizantes e memória baseada em resumos e limites de tokens; os posteriores tratam de vector stores, memória de entidades e grafos de conhecimento, memória episódica e semântica, além de esquecimento ou decaimento. Os notebooks sobre frameworks apresentam Graphiti, Mem0, Letta (MemGPT) e Zep. A seção final aborda avaliação de memória, os benchmarks LoCoMo e LongMemEval e questões de produção, como cache, TTLs, backups e GDPR.

Os notebooks usam Python e dependem de chaves de API da OpenAI ou da Anthropic. O repositório informa que o código é para fins educacionais e não está pronto para produção.

Recursos principais

  • 0130 notebooks Jupyter separados, cada um dedicado a uma técnica de memória.
  • 02Abrange buffers de curto prazo, vector stores, grafos de conhecimento e memória episódica e semântica.
  • 03Notebooks práticos sobre Mem0, Letta (MemGPT), Zep e Graphiti.
  • 04Inclui tutoriais dos benchmarks LoCoMo e LongMemEval.
  • 05Cada notebook pode ser aberto no Colab sem configuração local.

Casos de uso

  • Aprender como funciona a memória de conversa antes de criar um agente.
  • Comparar abordagens de memória, como buffers de resumo, vector stores e grafos de conhecimento.
  • Avaliar frameworks como Mem0 ou Zep para um projeto específico de agente.
  • Preparar uma equipe para projetar sistemas de memória para agentes em produção.

Início rápido

  1. 1

    Abra o primeiro notebook, 01 Conversation Buffer Memory, na pasta dele

  2. 2

    Ou abra o mesmo notebook diretamente no Google Colab usando o selo do Colab

Tópicos

#agent-memory#llm#ai-agents#rag#knowledge-graph#vector-database#jupyter#learning-resources#anthropic#episodic-memory

Perguntas frequentes

O que é Agent_Memory_Techniques?
Repositório para aprender técnicas de memória para agentes LLM, com 30 notebooks Jupyter executáveis, de buffers de conversa a Mem0, Letta, Zep e Graphiti. Agent Memory Techniques é um recurso prático para aprender a dar memória a agentes baseados em LLM entre turnos, sessões e tarefas. Sem memória, o agente precisa reconstruir o contexto a cada interação, o que dificulta a personalização e a coerência em interações prolongadas. O repositório organiza 30 técnicas em seis grupos: gerenciamento de contexto de curto prazo, armazenamento de longo prazo, arquiteturas cognitivas, padrões de recuperação e multiagentes, frameworks e avaliação com padrões de produção.
Agent_Memory_Techniques é gratuito? Qual é a licença?
Agent_Memory_Techniques é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
Agent_Memory_Techniques ainda é mantido?
Manutenção ativa. O último commit de Agent_Memory_Techniques foi em 17 de out. de 2026.
Para que posso usar Agent_Memory_Techniques?
Aprender como funciona a memória de conversa antes de criar um agente. Comparar abordagens de memória, como buffers de resumo, vector stores e grafos de conhecimento. Avaliar frameworks como Mem0 ou Zep para um projeto específico de agente. Preparar uma equipe para projetar sistemas de memória para agentes em produção.
Como instalar Agent_Memory_Techniques?
Abra o primeiro notebook, 01 Conversation Buffer Memory, na pasta dele Ou abra o mesmo notebook diretamente no Google Colab usando o selo do Colab
Onde consigo Agent_Memory_Techniques?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/NirDiamant/Agent_Memory_Techniques

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados