memory-opensource

让AI记住关键信息，毫秒级精准召回

这是一个为AI智能体设计的预测性记忆层基础设施。它通过整合MongoDB、Qdrant和Neo4j三种数据库，分别处理结构化数据、向量检索和知识图谱关系，并采用多级缓存机制，实现快速、精准的记忆存取。项目解决了AI智能体在长期对话或复杂任务中缺乏持久、高效记忆的问题，支持自定义数据模式和GraphQL查询接口，方便开发者灵活集成。其核心能力包括：基于预测的缓存策略提升检索速度，设备端检索延迟低于100毫秒，以及在斯坦福STARK基准测试中达到91%的准确率。整体上，它为构建具备长期记忆能力的AI应用提供了开箱即用的后端方案。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 74

维护状态低维护

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队Papr-ai

所属国家

官网地址https://papr.ai

GitHubhttps://github.com/Papr-ai/memory-opensource

定价模式free

价格说明开源项目，AGPL-3.0许可证，可自行部署使用，完全免费。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型ai-agents,ai-infrastructure,context-engineering,knowledge-graph,llm-memory,long-term-memory,open-source-ai,papr,predictive-memory,rag,rag-chatbot,recommendation-engine,stanford-stark,vector-database,voice-assistant

GitHub 星标★ 74

30天Star增速

HF 下载量

上线时间2025-12-04 00:00:00

最近更新2026-08-14 00:00:00

维护状态低维护

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

核心亮点

三库整合（Mongo+Qdrant+Neo4j）覆盖结构化、向量和关系数据，记忆维度全
设备端检索延迟<100ms，配合多级缓存，响应极快
支持自定义Schema和GraphQL，灵活适配不同业务场景

不足之处

项目早期（73星），文档和社区生态待观察
依赖多种数据库，部署和运维复杂度较高

适用场景

构建具备长期记忆的客服机器人
为AI助手提供跨会话的用户偏好记忆
复杂任务中需要关联推理的智能体系统

替代项目

Mem0、Zep、LangChain Memory

项目介绍

memory-opensource 是基础设施领域的开源项目，由 Papr-ai 开发，2025 年首次发布。

它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 74。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-14。AGPL-3.0许可证，可自行部署使用，完全免费。

它主要面向的使用场景是：构建具备长期记忆的客服机器人。同类可对比的替代方案包括 Mem0、Zep、LangChain Memory。

上一篇：Neumann

下一篇：ZETIC_Melange_apps