langmem

给 AI 智能体装上长期记忆，跨会话记住用户和历史

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开发框架 🍴 复刻 204 🐛 待处理 82 👀 关注 13

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1744

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，MIT 许可证

项目预览

项目数据

分类开发框架

开发团队langchain-ai

官网地址https://langchain-ai.github.io/langmem

GitHubhttps://github.com/langchain-ai/langmem

定价模式🏷️完全免费

价格说明开源免费，MIT 许可证

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

GitHub 星标★ 1744

上线时间2025-01-21 00:00:00

代码更新2026-10-30

仓库体积5.2 MB

本站数据更新2026-11-03

维护状态活跃

收录时间2026-09-12

浏览次数1

项目介绍

LangMem 是 LangChain 团队推出的开源 Python 库，专为 AI 智能体提供长期记忆能力。它解决的核心问题是：大模型本身没有跨会话记忆，智能体每次对话都从零开始，无法记住用户偏好、历史事实或过往经验。LangMem 提供三类核心能力：一是记忆管理工具，让智能体在对话中主动提取、存储和更新关键信息；二是记忆存储后端，支持将记忆持久化到向量库或数据库；三是记忆检索与注入，在后续对话中自动召回相关记忆并拼入提示词。它兼容 LangGraph 生态，可无缝嵌入现有智能体工作流，帮助开发者快速构建能记住用户、随时间积累知识的个性化 AI 应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 1744

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（README 未明确版本要求）
pip 包管理工具
可用的 LLM 提供商 API Key（如 ANTHROPIC_API_KEY）
可选：需要持久化记忆时，准备向量库/数据库或使用 LangGraph 的 Long-term Memory Store

安装与启动步骤

1安装 langmem

使用 pip 安装或升级 langmem，建议放在虚拟环境中，避免污染系统 Python。
```
pip install -U langmem
```
2配置 LLM 密钥

README 以 Anthropic 为例，也可换成其他受支持的 LLM 提供商的密钥环境变量。
```
export ANTHROPIC_API_KEY="sk-xxxxxxxx"
```

3初始化记忆存储

内存存储适合本地试跑；index 中的 embed 模型与 dims 维数需要相互匹配，否则检索会失败。

python -c "from langgraph.store.memory import InMemoryStore; store = InMemoryStore(index={'dims': 1536, 'embed': 'openai:text-embedding-3-small'}); print(store)"

4导入智能体组件

README 示例用 create_react_agent 搭配记忆管理/检索工具；节选中该段代码不完整，完整写法请对照官网文档。
```
python -c "from langgraph.prebuilt import create_react_agent; from langmem import create_manage_memory_tool, create_search_memory_tool; print('ok')"
```

关键配置

配置项	必填	说明	示例
`ANTHROPIC_API_KEY`	是	LLM 提供商的 API Key，供记忆提取与智能体调用模型	`sk-xxxxxxxx`
`index.embed`	是	记忆存储使用的向量化模型标识	`openai:text-embedding-3-small`
`index.dims`	是	向量维度，必须与所选 embed 模型的输出维度一致	`1536`

如何确认成功

执行 python -c "import langmem" 无报错，且 InMemoryStore 能成功实例化，即表示安装与依赖正常。

常见问题

Q：必须使用 Anthropic 的模型吗？

A：不是。README 中 ANTHROPIC_API_KEY 只是示例，可以换成任意受支持的 LLM 提供商的密钥。

Q：记忆只能存在 LangGraph 里吗？

A：不是。LangMem 提供的是可与任意存储系统配合的核心记忆 API，同时提供对 LangGraph 长期记忆存储的原生集成。

Q：怎么写一个能自己管理记忆的智能体？

A：README 展示了思路：用 create_react_agent 搭配 create_manage_memory_tool 和 create_search_memory_tool；但节选中该示例代码不完整，请参考官网完整示例。

注意事项

README 节选中的智能体创建代码被截断，只展示了导入部分和 InMemoryStore 初始化，请以官网 https://langchain-ai.github.io/langmem 的完整示例为准。
InMemoryStore 是内存存储，进程退出后记忆会丢失；需要长期保留应改用数据库或向量库后端。
index 的 dims 必须与 embed 模型输出维度一致（示例中 1536 对应 openai:text-embedding-3-small）。
API Key 不要写入代码或提交到版本库，建议用环境变量或密钥管理服务注入。