memoket-kite

不搭向量库，让 AI Agent 用更少上下文记住长期对话

memoket-kite 是一个面向 AI Agent 的开源长期记忆引擎，最大特点是「无向量」——不依赖向量数据库和嵌入模型，而是通过结构化检索与压缩策略来组织、存储和召回历史信息。它要解决的问题是：传统 RAG 式记忆方案需要把大量对话切片做嵌入、存向量库，既增加工程复杂度，又让每次推理塞入冗长上下文，导致成本高、延迟大、召回噪声多。kite 用更精简的上下文完成记忆读写，官方称在 LoCoMo 和 LongMemEval 两个长期记忆基准上达到 SOTA，同时显著减少 token 消耗。核心能力包括长期对话记忆的写入与检索、跨会话信息关联、对 Agent 历史状态的轻量维护，以及与 LLM/Agent 框架的集成。适合需要让聊天机器人或自主 Agent 记住用户偏好、历史任务和事实细节，但又不想引入向量库这一整套基础设施的团队。