一体化 AI 应用,可与文档对话、运行 AI 智能体,支持本地优先部署、多用户和多种大模型。
NirDiamant/Agent_Memory_Techniques
一个包含 30 个可运行 Jupyter 笔记本的教程仓库,系统讲解 LLM 智能体的记忆技术。
- Star
- 1,111
- Fork
- 142
- 未关闭 Issue
- 2
- 最近提交
- 3天前
这是什么?
Agent Memory Techniques 是一个动手实践型的学习仓库,讲解如何让基于 LLM 的智能体在多轮对话、多次会话和多个任务之间保留记忆。没有记忆时,智能体每次交互都要重新组织上下文,个性化和长期连贯性都难以保证。仓库把 30 种技术分为六大类:短期上下文管理、长期存储、认知架构、检索与多智能体模式、主流框架,以及评估与生产实践。
每种技术都有独立的笔记本,可在本地运行,也能直接在 Colab 中打开。前期内容涵盖对话缓冲、滑动窗口、摘要记忆和 Token 预算管理;后期涉及向量存储、实体与知识图谱记忆、情景记忆与语义记忆,以及遗忘与衰减机制。框架部分分别演示 Graphiti、Mem0、Letta(MemGPT)和 Zep 的用法,最后介绍记忆评估、LoCoMo 与 LongMemEval 基准,以及缓存、TTL、备份、GDPR 合规等生产环境问题。
笔记本基于 Python 编写,需要 OpenAI 或 Anthropic 的 API 密钥。仓库声明代码以教学为目的,并非可直接用于生产的软件。
核心功能
- 01包含 30 个独立的 Jupyter 笔记本,每个讲解一种记忆技术。
- 02涵盖短期缓冲、向量存储、知识图谱以及情景记忆和语义记忆。
- 03提供 Mem0、Letta(MemGPT)、Zep 和 Graphiti 的实操笔记本。
- 04包含 LoCoMo 与 LongMemEval 基准测试的演示。
- 05每个笔记本都可以通过 Colab 直接打开,无需本地配置。
适用场景
- 在开发智能体之前,系统了解对话记忆的工作原理。
- 比较摘要缓冲、向量存储和知识图谱等不同记忆方案。
- 为具体的智能体项目评估 Mem0、Zep 等框架。
- 帮助团队为生产环境的智能体设计记忆系统。
快速上手
- 1
打开第一个笔记本 01 Conversation Buffer Memory(位于其文件夹中)
- 2
或者通过 Colab 徽章直接在 Google Colab 中打开同一笔记本
标签
常见问题
- Agent_Memory_Techniques 是什么?
- 一个包含 30 个可运行 Jupyter 笔记本的教程仓库,系统讲解 LLM 智能体的记忆技术。 Agent Memory Techniques 是一个动手实践型的学习仓库,讲解如何让基于 LLM 的智能体在多轮对话、多次会话和多个任务之间保留记忆。没有记忆时,智能体每次交互都要重新组织上下文,个性化和长期连贯性都难以保证。仓库把 30 种技术分为六大类:短期上下文管理、长期存储、认知架构、检索与多智能体模式、主流框架,以及评估与生产实践。
- Agent_Memory_Techniques 可以免费使用吗?用的什么许可证?
- Agent_Memory_Techniques 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- Agent_Memory_Techniques 还在维护吗?
- 活跃维护中。Agent_Memory_Techniques 最近一次提交是在 2026年10月17日。
- Agent_Memory_Techniques 适合用来做什么?
- 在开发智能体之前,系统了解对话记忆的工作原理。 比较摘要缓冲、向量存储和知识图谱等不同记忆方案。 为具体的智能体项目评估 Mem0、Zep 等框架。 帮助团队为生产环境的智能体设计记忆系统。
- Agent_Memory_Techniques 怎么安装和运行?
- 打开第一个笔记本 01 Conversation Buffer Memory(位于其文件夹中) 或者通过 Colab 徽章直接在 Google Colab 中打开同一笔记本
- 在哪里获取 Agent_Memory_Techniques?
- 源代码和安装说明在 GitHub 上:https://github.com/NirDiamant/Agent_Memory_Techniques
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
面向 AI 应用的开源数据基础设施,用于存储文档与向量并支持语义、混合及全文检索。
基于 Python 与 Rust 内核的增量数据管道框架,让向量索引和知识图谱随源数据变化持续同步,服务于 AI 智能体与 RAG 应用。
一个用 Rust 编写、可自托管的知识库,从文档构建双时态知识图谱,并提供 RAG 检索、本体推理和 MCP 接入。
一个用 JavaScript 从零实现检索增强生成(RAG)的分步教学项目,基于本地 LLM,不依赖云端 API。
为 Claude Code、Codex 等编程智能体提供技能、代理、钩子、记忆与安全扫描的统一工作框架。