开源 AI 记忆平台,将文档、代码和对话转为自托管知识图谱,供 AI 智能体检索复用。
neo4j-labs/agent-memory
基于 Neo4j 的图原生 AI 智能体记忆系统,用于存储对话、构建知识图谱并记录推理过程。
- Star
- 588
- Fork
- 109
- 未关闭 Issue
- 104
- 最近提交
- 昨天
这是什么?
Neo4j Agent Memory 为 AI 智能体提供持久化记忆,分为三层:短期记忆保存对话与消息;长期记忆以知识图谱形式保存实体、偏好和事实;推理记忆保存决策与工具调用的过程,便于在类似任务中检索复用。
实体抽取支持 spaCy、GLiNER2.5 或 LLM 等可配置流程,并能同时解码带类型的关系,通过实体消歧合并重复项。项目提供两种后端:托管的 NAMS 服务只需一个 API Key;自托管的 bolt 后端直接连接 Neo4j 或 AuraDB,可自带嵌入模型与大模型服务商。
项目还提供 MCP 服务器,可让 Claude Desktop、Cursor 等助手以工具形式调用记忆;并适配 LangChain、Pydantic AI、Google ADK、CrewAI、LlamaIndex 等框架。Python 与 TypeScript SDK 共享同一套记忆模型。
核心功能
- 01保存会话历史,支持向量与文本混合检索。
- 02构建包含实体、偏好和事实的知识图谱,并进行实体消歧与去重。
- 03记录推理轨迹与工具调用,并检索相似的历史任务。
- 04以 MCP 工具形式暴露记忆能力,提供 core 与 extended 两种配置。
- 05提供 Python 与 TypeScript SDK,可使用托管 NAMS 服务或自托管 Neo4j 后端。
- 06支持多家嵌入模型与大模型服务商,包括 OpenAI、Anthropic、Bedrock 和 LiteLLM。
适用场景
- 为聊天机器人或助手保存跨会话的用户偏好。
- 构建基于对话自动生成的知识图谱,供智能体回答问题。
- 审计并复用智能体在相似任务中的历史推理步骤。
- 通过 MCP 服务器为 Claude Desktop 或 Cursor 增加持久记忆。
快速上手
- 1
注册托管的 NAMS 服务并复制 API 密钥
- 2
安装带 NAMS 支持的 SDK 并导出 API 密钥
pip install 'neo4j-agent-memory[nams]==0.7.0' - 3
运行创建会话并添加消息的 Python 示例
使用前须知
- 这是 Neo4j Labs 项目,不提供 SLA,也不保证向后兼容。
- 当前状态为 Beta,不同版本之间 API 可能变化。
- 托管的 NAMS 方式需要注册并使用 API 密钥;自托管的 Bolt 方式需要 Neo4j 数据库和模型提供商密钥。
- NAMS 与 Bolt 后端的部分功能和方法有所不同。
标签
常见问题
- agent-memory 是什么?
- 基于 Neo4j 的图原生 AI 智能体记忆系统,用于存储对话、构建知识图谱并记录推理过程。 Neo4j Agent Memory 为 AI 智能体提供持久化记忆,分为三层:短期记忆保存对话与消息;长期记忆以知识图谱形式保存实体、偏好和事实;推理记忆保存决策与工具调用的过程,便于在类似任务中检索复用。
- agent-memory 可以免费使用吗?用的什么许可证?
- agent-memory 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 还在维护吗?
- 活跃维护中。agent-memory 最近一次提交是在 2026年10月19日。
- agent-memory 适合用来做什么?
- 为聊天机器人或助手保存跨会话的用户偏好。 构建基于对话自动生成的知识图谱,供智能体回答问题。 审计并复用智能体在相似任务中的历史推理步骤。 通过 MCP 服务器为 Claude Desktop 或 Cursor 增加持久记忆。
- agent-memory 怎么安装和运行?
- 注册托管的 NAMS 服务并复制 API 密钥 安装带 NAMS 支持的 SDK 并导出 API 密钥: pip install 'neo4j-agent-memory[nams]==0.7.0' 运行创建会话并添加消息的 Python 示例
- 在哪里获取 agent-memory?
- 源代码和安装说明在 GitHub 上:https://github.com/neo4j-labs/agent-memory
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 智能体的记忆系统,支持存储、检索与反思记忆,让智能体随时间学习而非仅回放对话历史。
用于为 AI 智能体构建时序知识图谱的 Python 框架,可追踪事实随时间的变化。
面向 AI 应用与助手的记忆与上下文引擎,通过统一 API 提供持久记忆、RAG、用户画像和数据连接器。
面向智能体的记忆基础设施,将对话与执行过程转化为可持久化的结构化记忆,支持 Python 与 TypeScript。
面向 AI 智能体的本地优先、Markdown 原生长期记忆层,记忆以可编辑文件保存并配合 SQLite 与 LanceDB 索引。