MemMachine

给 AI 装上长期记忆，让智能体不再失忆

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 227 🐛 待处理 304 👀 关注 16

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3086

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类智能体

开发团队MemMachine

官网地址https://memmachine.ai

GitHubhttps://github.com/MemMachine/MemMachine

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,agentic-ai,agents,agents-sdk,ai,ai-agents,chatbots,conversational-agents,conversational-ai,genai,knowledge-graph,llm,long-short-term-memory,memory,memory-management,persistent-memory,personalization,python,strands-agents

GitHub 星标★ 3086

上线时间2025-08-15 00:00:00

代码更新2026-11-09

仓库体积34.4 MB

本站数据更新2026-11-11

维护状态活跃

收录时间2026-08-09

浏览次数5

项目介绍

MemMachine 是一个为 AI 智能体设计的通用记忆层，旨在解决智能体在长期运行中状态管理混乱、记忆丢失和上下文碎片化的问题。它提供可扩展、可互操作的记忆存储与检索能力，支持多种后端（如向量数据库、知识图谱），并具备结构化的记忆组织、自动摘要和语义检索功能。核心能力包括：统一的记忆 API，简化智能体状态持久化；支持多模态记忆（对话、事件、实体关系）；内置记忆压缩与遗忘机制，控制上下文窗口成本。通过该库，开发者可以快速为基于 Python 的智能体（如 LangChain、CrewAI 等）接入持久化记忆，提升多轮对话和复杂任务的连贯性，是构建下一代自主系统的关键基础设施。

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 2026-08-09 · 当前星标 ★ 3086

技术标签

agent agentic-ai agents agents-sdk ai

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 5 步

环境要求

Python 环境（README 示例为 Python 代码，未指定具体版本）
已安装 pip，可执行 pip install
一个正在运行的 MemMachine Server：本地自建或使用 MemMachine Platform 免费账号
可访问服务端地址的网络环境（本地示例为 http://localhost:8080）

安装与启动步骤

1安装客户端库

安装官方 Python 客户端包 memmachine-client，这是 README 给出的唯一安装命令。
```
pip install memmachine-client
```
2准备服务端

README 明确要求先有一个运行中的 MemMachine Server：可参照官方文档在本地启动，或到 MemMachine Platform 注册免费账号。
3初始化客户端

引入 MemMachineClient 并传入服务端地址；本地服务端用 http://localhost:8080，云端则替换为平台提供的地址。
```
from memmachine_client import import MemMachineClient

client = MemMachineClient(base_url="http://localhost:8080")
```
4获取或创建项目

通过 org_id 和 project_id 定位项目，不存在时会自动创建，两个 ID 可按自己的业务命名。
```
project = client.get_or_create_project(org_id="my_org", project_id="my_project")
```
5创建记忆实例

READM 示例在此处中断为 project.memor，需按官方文档补全参数，得到用户会话对应的记忆对象。
```
memory = project.memor
```

关键配置

配置项	必填	说明	示例
`base_url`	是	MemMachine 服务端地址，本地为 http://localhost:8080	`http://localhost:8080`
`org_id`	是	组织标识，用于隔离不同组织的项目	`my_org`
`project_id`	是	项目标识，用于隔离同一组织下的不同项目	`my_project`

如何确认成功

客户端初始化不报连接错误，get_or_create_project 能正常返回项目对象，即表示已成功连上服务端。

常见问题

Q：必须自己先有服务端吗？

A：是。README 明确指出该代码需要运行中的 MemMachine Server，要么本地启动，要么使用 MemMachine Platform 的免费账号。

Q：服务端怎么在本地启动？

A：README 未给出具体命令，只提供了官方 quickstart 文档链接 docs.memmachine.ai/getting_started/quickstart，请按该文档操作。

Q：本地服务端用什么端口？

A：README 的示例地址为 http://localhost:8080，如你改了服务端配置请相应修改 base_url。

Q：示例代码为什么运行不了？

A：README 中的代码片段不完整（结尾停在 project.memor），且 import 语句疑似笔误，请以官方文档的完整示例为准。

注意事项

README 的引入语句写作 from memmachine_client import import MemMachineClient，含多余的 import，疑为笔误，请以官方文档为准。
README 未提供服务端本地部署的安装命令或 Docker 命令，不要自行套用未经验证的镜像与端口。
代码示例在 README 中被截断，剩余 API 用法需查阅 docs.memmachine.ai 官方文档。