Agent 记忆技术全栈教程开源
推荐指数 54.0 NO. 009 · 2026.05.08
Stars150创建1 天前Forks21Issues1
为什么值得看
30 个可运行 Notebook 系统覆盖 LLM Agent 记忆机制，从对话缓冲到 MemGPT、Mem0、Graphiti 等生产级方案。适合正在选型记忆层架构的团队一次性对比主流技术路线，避免重复踩坑。
Agent memory for LLMs: 30 runnable Jupyter notebooks covering conversation buffers, vector stores, knowledge graphs, episodic and semantic memory, MemGPT, Mem0, Letta, Zep, Graphiti, LoCoMo benchmarks, and production patterns.
媒体预览
编辑判断
Agent 记忆层目前处于碎片化混战期，团队往往要同时试 Mem0、Zep、Letta 才能确定选型，这个仓库把 10+ 种方案做成可对比的 Notebook，省下了至少一周的调研成本。
真正值得留意的是它覆盖了 LoCoMo 这类长对话基准测试，这是多数教程忽略的生产痛点——很多方案在 20 轮对话后就出现严重的上下文漂移。
如果你正在用 LangChain 的默认记忆模块，建议优先跑一下 episodic vs semantic memory 的对比 notebook，大概率会发现当前架构在复杂任务上的 recall 瓶颈。
Star History
生态分析
Beta
Agent记忆层技术选型的一站式教学与Benchmark对比入口
独特价值：30个可运行Notebook覆盖全技术路线，降低团队选型试错成本
竞品：