LightMem

给AI装上长效记忆,让对话更连贯、回答更懂你。

LightMem 是一个面向智能体的轻量级记忆增强生成框架,旨在解决大语言模型在长期对话与复杂任务中缺乏持久记忆、上下文窗口受限的问题。它通过高效的内存管理机制,将关键信息以结构化或向量化形式存储,并在生成时动态检索相关记忆,从而在不显著增加计算开销的前提下提升回答的连贯性与个性化程度。核心能力包括:记忆的自动提取与压缩、基于语义的快速检索、以及与主流 LLM 的无缝集成。其设计强调轻量化与效率,适合资源受限或对延迟敏感的应用场景。

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1176
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类智能体
开发团队zjunlp
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型agent,ai-agents,artificial-intelligence,chatbot,genai,knowledge,large-language-models,lightmem,lightweight,llm,long-term-memory,memory,memory-management,natural-language-processing,personalization,python,rag
GitHub 星标★ 1176
30天Star增速
HF 下载量
上线时间2025-06-11 00:00:00
最近更新2026-09-23 00:00:00
维护状态较活跃
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1

使用教程

难度:进阶 约 20 分钟 部署方式:本地安装 7 步

环境要求

  • Python 环境与 pip(项目为 Python 开发,源码安装需 pip install -e .)
  • 已在本地克隆 LightMem 仓库(源码安装方式)
  • 需准备 LLM 服务:OpenAI、DeepSeek 等云 API,或 Ollama、vLLM 等本地模型
  • 需从 HuggingFace 下载 llmlingua-2 与 all-MiniLM-L6-v2 模型,并能访问 HuggingFace 下载数据集

安装与启动步骤

  1. 1克隆仓库

    把 LightMem 源码下载到本地,克隆后目录名为 LightMem,后续均在仓库内操作。

    git clone https://github.com/zjunlp/LightMem.git
  2. 2进入项目目录

    切换到仓库根目录,README 明确要求在根目录下运行。

    cd LightMem
  3. 3源码安装依赖

    README 推荐源码安装方式;部分网络环境代理会干扰 pip,故先取消代理再安装。

    unset ALL_PROXY
    pip install -e .
  4. 4配置模型与密钥

    在 API Configuration 中修改 JUDGE_MODEL、LLM_MODEL 及各自的 API_KEY 与 BASE_URL,否则无法调用模型。

  5. 5下载本地模型

    从 HuggingFace 下载 llmlingua-2 与 all-MiniLM-L6-v2,并在 Model Paths 中把路径改成实际存放位置。

  6. 6下载数据集

    从 HuggingFace 下载 longmemeval-cleaned 数据集,并在 Data Configuration 中修改数据路径。

  7. 7运行快速开始

    进入 experiments 目录执行示例脚本 run_lightmem_qwen.py,脚本会跑通记忆写入与检索流程。

    cd experiments
    python run_lightmem_qwen.py

关键配置

配置项必填说明示例
JUDGE_MODEL判定/评估所用模型名,位于 API Configuration 中gpt-4o-mini
LLM_MODEL主生成模型名,位于 API Configuration 中deepseek-chat
API_KEYJUDGE_MODEL 与 LLM_MODEL 各自对应的服务密钥sk-xxxxxxxx
BASE_URL模型服务的接口地址,JUDGE 与 LLM 需分别设置https://api.openai.com/v1
index_strategy索引方式:embedding/context/hybrid/None,默认 Noneembedding
update记忆更新模式,offline 为完整支持,online 暂为占位offline

如何确认成功

python run_lightmem_qwen.py 能无报错运行并输出生成/检索结果,即说明安装与配置成功。

常见问题

Q:pip install lightmem 报找不到包怎么办?

A:README 中该方式标注为 Coming soon,尚未发布。请改用源码安装:克隆仓库后执行 pip install -e .。

Q:pip 安装失败或超时怎么办?

A:README 在源码安装命令前先执行了 unset ALL_PROXY,说明代理环境可能干扰安装;取消代理后重试 pip install -e .。

Q:报错提示找不到模型或路径怎么办?

A:需先下载 llmlingua-2 与 all-MiniLM-L6-v2,并在 Model Paths 中把路径改为本地实际目录,不能沿用默认值。

Q:把 update 设为 online 后记忆没有保存?

A:README 说明 online 目前是预留功能(no-op 占位),此模式下记忆不会被持久化,请使用 offline。

Q:可以用本地大模型而不调用云 API 吗?

A:可以,项目兼容 OpenAI、DeepSeek 等云 API 以及 Ollama、vLLM 等本地模型,在 MemoryManagerConfig 等配置里改 model_name 即可。

注意事项

  • README 未给出 CUDA/显存等硬件要求,请按所选模型的实际情况准备运行环境。
  • 配置路径均为占位,需替换为你本机下载模型与数据集的真实路径。
  • 示例脚本依赖 longmemeval-cleaned 数据集,未下载会在运行时读取数据失败。
  • 文档中的安装说明较简略,若目录结构与示例不一致,请以仓库实际文件为准。

核心亮点

  • 记忆检索延迟低,适合实时交互场景
  • 支持多种记忆存储后端,灵活适配现有架构
  • 与主流 LLM 框架集成简单,上手成本低

不足之处

  • 文档/社区待观察
  • 记忆压缩可能丢失细节,复杂推理场景效果待验证

适用场景

  • 长期对话助手,如客服机器人、个人AI助理
  • 多轮任务型智能体,需跨会话保持状态
  • 知识密集型问答,需引用历史交互或外部知识

替代项目

MemGPT、Letta、Zep

项目介绍

LightMem 是智能体领域的开源项目,由 zjunlp 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,176)位列前 30%,在智能体分类中处于中上游。

近 45 天,它的 GitHub 星标从 1,077 增加到 1,176,净增 99。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-23。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:长期对话助手,如客服机器人、个人AI助理。同类可对比的替代方案包括 MemGPT、Letta、Zep。

上一篇:AgentCrew

下一篇:ai-toolkit

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 195 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12