Memori

主要特性

• ✓
  自动记忆分类： 捕获每次对话交互并将其归类为事实、偏好、规则和摘要，支持用户自定义存储控制。
• ✓
  定向召回： 当提示需要上下文时，Memori仅从对话和文档中提取相关内容，无需管理额外服务。
• ✓
  选择性语义搜索： 在语言模糊时通过语义上下文增强搜索，在不显著增加Token成本的前提下提升准确率。
• ✓
  可解释结果与溯源： 每个结果都附带清晰的"为何包含此项"说明，使团队能够按实体、时间和来源追踪相关性。
• ✓
  记忆图谱： 以交互式图谱可视化人物、地点、兴趣和经历之间的关联及其在记忆网络中的演变。
• ✓
  分析仪表盘： 追踪记忆创建、召回使用率和缓存命中率，让您随时掌握记忆层的运行状态。
• ✓
  一行SDK集成： 将SDK嵌入现有代码，自动处理模型调用和回调，零配置即可运行。
• ✓
  Memori云服务： 无需额外设置即可实现记忆的即时存储和搜索。

目标用户

本工具专为构建需要持久化结构化记忆的生产系统的AI工程师、智能体开发者和企业团队设计。同时适用于需要跨部署追踪记忆性能与溯源的产品经理和数据分析师。

如何使用Memori？

首先，通过一行代码将Memori SDK嵌入现有代码库——它会自动处理模型调用和回调，零配置即可运行。如需即时存储和搜索，可直接使用Memori云服务，无需额外设置。记忆图谱和分析仪表盘开箱即用，方便监控记忆的关联方式与运行表现。

效果评估

Memori兑现了将LLM成本降低超过95%的承诺，同时在LoCoMo基准测试中保持81.95%的准确率——这对生产系统而言是极具价值的权衡。自动分类为事实、偏好、规则和摘要的功能非常实用，可解释的溯源机制让团队对检索内容充满信心。记忆图谱和分析功能为记忆层的动态演变提供了清晰的可见性。对于需要持久化上下文但不想管理额外基础设施的团队而言，Memori提供了简洁且经过充分验证的解决方案。