Agent_Memory_Techniques

30个可运行Notebook,让LLM智能体拥有长期记忆

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。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1076
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队NirDiamant
所属国家
定价模式free
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
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★ 1076
30天Star增速
HF 下载量
上线时间2026-05-05 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5

使用教程

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. 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. 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. 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. 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. 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. 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。

核心亮点

  • 提供30个开箱即用的Jupyter Notebook,覆盖主流记忆技术,学习成本低
  • 集成MemGPT、Mem0、Letta、Zep等前沿框架,紧跟行业实践
  • 包含LoCoMo基准测试,帮助客观评估记忆方案效果

不足之处

  • 项目处于早期阶段,文档和社区支持待观察
  • Notebook形式可能不适合直接用于生产环境,需自行工程化

适用场景

  • 开发需要长期记忆的聊天机器人或虚拟助手
  • 为RAG系统增强记忆能力,提升多轮对话连贯性
  • 研究不同记忆机制对LLM智能体性能的影响

替代项目

Mem0、LangChain Memory、Zep

项目介绍

Agent_Memory_Techniques 是开发框架领域的开源项目,由 NirDiamant 开发,是 2026 年新上线的项目。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,076)位列前 30%,在开发框架分类中处于中上游。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-23。Apache-2.0 许可证,提供 Jupyter Notebook 教程,完全免费。

它主要面向的使用场景是:开发需要长期记忆的聊天机器人或虚拟助手。同类可对比的替代方案包括 Mem0、LangChain Memory、Zep。

上一篇:canopy

下一篇:byaldi

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12