Agent_Memory_Techniques

30个可运行Notebook，让LLM智能体拥有长期记忆

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 141 🐛 待处理 7 👀 关注 6

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1138

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，提供 Jupyter Notebook 教程，完全免费。

项目预览

Agent_Memory_Techniques 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队NirDiamant

官网地址https://diamantai.substack.com

GitHubhttps://github.com/NirDiamant/Agent_Memory_Techniques

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，提供 Jupyter Notebook 教程，完全免费。

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Apache-2.0

主要语言Jupyter Notebook

技术栈/模型agent-memory,ai-agents,anthropic,episodic-memory,generative-ai,graphiti,knowledge-graph,langchain,letta,llm,llm-agents,llm-memory,mem0,memgpt,openai,python,rag,semantic-memory,vector-database,zep

GitHub 星标★ 1138

上线时间2026-05-05 00:00:00

代码更新2026-11-01

仓库体积7.3 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

Agent_Memory_Techniques 是一个面向大语言模型（LLM）智能体的记忆技术开源项目，提供 30 个可运行的 Jupyter Notebook，系统覆盖对话缓冲、向量存储、知识图谱、情景记忆与语义记忆等核心记忆类型。项目不仅演示了 MemGPT、Mem0、Letta、Zep、Graphiti 等主流记忆框架的用法，还包含 LoCoMo 基准测试和实际生产模式案例。它旨在解决 LLM 智能体在长期交互中缺乏持久记忆、无法有效利用历史信息的问题，帮助开发者理解并实现从短期对话到长期知识存储的完整记忆体系。通过代码示例和文档，开发者可以快速上手，选择适合自身场景的记忆方案，提升智能体的上下文理解与个性化响应能力。

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 ★ 1138

技术标签

agent-memory ai-agents anthropic generative-ai knowledge-graph

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 15 分钟部署方式：本地安装 6 步

环境要求

Python 3.10 及以上（README 徽章标注 python-3.10+）
可运行 Jupyter Notebook 的环境
能够访问 PyPI 等依赖源以执行 pip install
准备各记忆框架所需的 API 密钥（用于填写 .env）

安装与启动步骤

1克隆项目仓库

把 Agent_Memory_Techniques 仓库下载到本地，README 未额外说明克隆方式，使用仓库地址即可。
```
git clone https://github.com/NirDiamant/Agent_Memory_Techniques.git
```
2进入项目目录

切换到克隆下来的目录，后续安装与运行都在此目录内进行。
```
cd Agent_Memory_Techniques
```
3安装项目依赖

README Quick Start 给出的安装命令，读取 requirements.txt 安装全部依赖，耗时取决于网络。
```
pip install -r requirements.txt
```
4配置 API 密钥

README 要求复制 .env.example 为 .env，再按其中字段填写各家记忆服务所需的密钥。
```
cp .env.example .env
```
5选择不安装的阅读方式

README 说明所有 Notebook 都能在 GitHub 页面直接渲染阅读，或用 Colab 徽章在云端运行，无需本地安装。
6从第一个技术开始

README 建议新手从 01 Conversation Buffer Memory 入手，或按下方的 Learning Path 顺序学习。

关键配置

配置项	必填	说明	示例
`.env`	是	由 .env.example 复制而来，用于存放运行 Notebook 所需的环境变量与密钥	`.env`

如何确认成功

README 未给出明确的启动验证步骤；确认 pip install 无报错、.env 已创建，并能正常打开 Notebook 即为就绪。

常见问题

Q：不想在本地安装任何东西怎么办？

A：README 说明每个 Notebook 都能在 GitHub 上直接渲染阅读，也可以用 Colab 徽章在云端运行，不需要本地环境。

Q：对 Python 版本有什么要求？

A：仓库徽章标注为 Python 3.10+，建议使用 3.10 或更高版本，避免依赖不兼容。

Q：该从哪个 Notebook 开始学？

A：官方建议新用户从 01 Conversation Buffer Memory 开始，也可以先看 README 中的 Learning Path 或决策树选择路线。

Q：pip 安装依赖失败怎么办？

A：先确认 Python 版本为 3.10+ 且处于项目根目录，再检查网络与依赖源是否可用，然后重新执行安装命令。

注意事项

项目共包含 30 个可运行的 Jupyter Notebook，覆盖对话缓冲、向量存储、知识图谱、情景与语义记忆、MemGPT、Mem0、Letta、Zep、Graphiti、LoCoMo 基准等主题。
不同 Notebook 依赖的记忆框架与服务不同，可能需要各自的 API 密钥，请按 .env.example 中的字段逐一填写。
README 未给出本地启动 Jupyter 的具体命令，本文档只保留 README 中实际出现的安装与配置步骤，其余为阅读方式建议。