MemMachine

给 AI 装上长期记忆，让智能体不再失忆

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。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3226

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队MemMachine

所属国家

官网地址https://memmachine.ai

GitHubhttps://github.com/MemMachine/MemMachine

定价模式unknown

价格说明定价信息待确认

访问状态

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★ 3226

30天Star增速

HF 下载量

上线时间2025-08-15 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

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。

核心亮点

提供统一记忆 API，支持多种后端（向量库、图数据库），接入灵活
内置记忆摘要与遗忘机制，有效控制上下文窗口和 token 成本
与主流智能体框架（LangChain、CrewAI）集成简单，上手快

不足之处

项目较新，生产环境稳定性待验证
文档和社区生态尚在初期，案例较少

适用场景

构建需要长期用户画像的客服机器人
开发多步骤任务执行的自主智能体（如自动化研究助手）
需要跨会话保持上下文的复杂对话系统

替代项目

Mem0、Zep、LangMem

项目介绍

MemMachine 是智能体领域的开源项目，由 MemMachine 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,226）位列前 30%，在智能体分类的 2,517 个项目里位列前 13%。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：构建需要长期用户画像的客服机器人。同类可对比的替代方案包括 Mem0、Zep、LangMem。

上一篇：ai-maestro

下一篇：chatcli