项目预览
项目数据
项目介绍
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 ★ 17503
使用教程
环境要求
- Python 环境(用于 pip install memori 以及运行 python -m memori CLI)
- Node.js / npm 环境(使用 TypeScript SDK 时需要)
- Memori API Key(在 app.memorilabs.ai 注册获取)
- 一个 LLM 的 API Key,例如 OPENAI_API_KEY
安装与启动步骤
-
1安装 Python SDK
用 pip 从 PyPI 安装 memori 包,这是 Python 侧的官方 SDK,安装后即可在代码中 import Memori。
pip install memori -
2安装 TypeScript SDK
使用 Node.js 项目时用 npm 安装官方 TypeScript SDK 包,包名为 @memorilabs/memori。
npm install @memorilabs/memori -
3注册并获取 API Key
前往 app.memorilabs.ai 注册账号拿到 Memori API Key,同时准备所用 LLM 的 API Key。
-
4设置环境变量
把 Memori API Key 导出为环境变量,Python 和 TypeScript SDK 都读取这个变量;同时导出 LLM 的 Key。
export MEMORI_API_KEY=memori-xxxxxxxx export OPENAI_API_KEY=sk-xxxxxxxx -
5用 CLI 注册账号
memori 自带命令行工具,可直接用 python -m memori sign-up 加邮箱完成注册,邮箱换成你自己的。
python -m memori sign-up your@email.com -
6运行 CLI 查看菜单
直接运行 python -m memori 会显示可用选项菜单,可借此确认 CLI 安装正常并管理账号。
python -m memori -
7在代码中接入 SDK
按 README 示例创建 Memori 实例,用 .llm.register(client).attribution(用户ID, 应用标识) 绑定 LLM 客户端后,对话会自动持久化与召回。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
MEMORI_API_KEY | 是 | Memori 的 API Key,Python 与 TypeScript SDK 共用 | memori-xxxxxxxx |
OPENAI_API_KEY | 是 | 所用 LLM 提供方的 API Key,README 以 OpenAI 为例 | sk-xxxxxxxx |
.env | 否 | CLI 在已导出变量缺失时,从运行命令所在目录的 .env 补全 | MEMORI_API_KEY=memori-xxxxxxxx |
如何确认成功
运行 python -m memori 能正常显示可用选项菜单,即表示 CLI 安装配置成功;SDK 侧则在对话中提问“我之前说的偏好是什么”,能被自动召回。
常见问题
Q:没有 Memori API Key 怎么办?
A:到 app.memorilabs.ai 注册获取,官方提供零配置的 Memori Cloud,拿到 Key 后几分钟即可开始开发。也可以先用 python -m memori sign-up <邮箱> 通过 CLI 注册。
Q:支持哪些语言的 SDK?
A:README 给出两个官方 SDK:Python 用 pip install memori,TypeScript/Node.js 用 npm install @memorilabs/memori。
Q:CLI 读不到我的 API Key?
A:CLI 会优先使用已 export 的环境变量,再从未找到的值从运行命令所在目录的 .env 文件补齐。确认 export 生效,或在该目录放 .env。
Q:记忆是怎么生效的?
A:把 LLM 客户端注册到 Memori 并设置 attribution 后,对话会在后台自动持久化,下一次提问时自动召回此前的信息。
注意事项
- Memori 与 LLM、数据存储和框架无关,可直接接入你已有的架构,无需替换现有系统。
- README 中 Python SDK 的 Quickstart 代码片段不完整,实际写法请以官网文档 memorilabs.ai/docs/memori-cloud/ 为准。
- Memori 的 Advanced Augmentation 对开发者始终免费。
- CLI 的更多用法参见 README 中 Command Line Interface 文档链接。
核心亮点
- 提供模型无关的记忆层,可无缝接入主流 LLM 框架,降低集成成本
- 支持多种部署方式(云、私有化、本地),满足企业安全合规要求
- 自动将对话和操作转化为结构化记忆,支持语义检索和时间衰减
不足之处
- 项目较新,生态和社区支持尚在建设,文档可能不完善
- 与现有数据基础设施的集成深度依赖于具体技术栈,可能需要定制适配
适用场景
- 构建具备长期记忆的客服机器人,实现跨会话用户偏好识别
- 为企业内部知识助手提供持久化上下文,提升回答一致性
- 用于智能体工作流审计和复盘,追踪决策过程
替代项目
LangChain Memory、Mem0、Zep
同类项目推荐
gpu-telemetry
开源
一个代理,让每块 GPU 的消耗都精确到 Pod 或作业
GPU Observability with workload attribution. One OTLP agent per node ties hardware m···
BharatMLStack
开源
一套打通训练到推理的 ML 基础设施,让大规模模型上线更稳更快。
BharatMLStack is an open-source, end-to-end machine learning infrastructure stack bu···
delta-Mem
开源
让大模型边聊边记,长对话不再爆显存
The official repo of the paper: $delta$-mem: Efficient Online Memory for Large Langu···
opencode-llm-proxy
开源
本地一个代理,统一接入 OpenAI、Anthropic、Gemini 等大模型
Local OpenCode-backed LLM gateway for OpenAI, Anthropic, Gemini, and Responses API-c···
vektori
开源
让 AI 代理记住完整故事,而非零散事实
Memory that remembers the story not just the facts. File System Memory and Three lay···
llama3.java
开源
纯 Java 跑 Llama 3,不装 Python 也能本地推理
Llama 3+ inference in pure Java
chmonitor
开源
给 ClickHouse 配个 AI 军师,实时监控并自动给出调优建议
Open-source operational advisor for ClickHouse — real-time monitoring plus AI-drive···
aitune
开源
自动调优 NVIDIA GPU 推理配置,省去手工调参
NVIDIA AITune is an inference toolkit designed for tuning and deploying Deep Learnin···
langkit
开源
给大模型装上监控仪表盘,实时洞察输出质量与安全风险
LangKit: An open-source toolkit for monitoring Large Language Models (LLMs). Extrac···
