来自 meng shao（@shao__meng）的推文线程

[開源推薦] Memori：開源的SQL 原生記憶引擎，專為LLM、智能體、多智能體系統設計。一行程式碼——memori.enable() ——為任何LLM 提供持久化、可查詢的記憶存儲，幫助AI 系統記住對話、從互動中學習，並在會話間保持上下文連續性。 核心價值與特點 Memori 的核心在於簡化AI 記憶管理：它將記憶儲存在標準SQL 資料庫（如SQLite、PostgreSQL、MySQL、Neon 或Supabase）中，這些資料庫使用者可完全擁有和審計。不同於傳統向量存儲，Memori 利用SQL 的全文搜尋索引實現高效檢索，同時透過智慧提取實體、映射關係和優先排序，確保記憶的相關性和實用性。 關鍵特點包括： · 一行整合：無縫相容OpenAI、Anthropic、LiteLLM、LangChain、Azure OpenAI，以及100多種LiteLLM 支援的模型。 · 智慧記憶處理：自動擷取實體（如事實、偏好、技能、規則和情境），並分類儲存。 · 多種記憶模式： · 意識模式（Conscious）：一次注入關鍵記憶。 · 自動模式（Auto）：根據查詢動態搜尋相關記憶。 · 組合模式：二者結合使用。 · 後台優化：意識智能體每6小時運行一次，從長期存儲中提煉關鍵記憶到短期存儲，確保AI 的「長期學習」能力。 · 整合生態：支援AgentOps、AutoGen、CrewAI、Swarms 等框架，已有互動式簡報如個人日記助理和研究者智能體。 工作原理 Memori 採用攔截器架構，透明包裹LLM 呼叫流程： 1. 預先呼叫階段（情境注入）：在LLM 生成反應前，檢索智能體或意識智能體從SQL 資料庫中拉取相關記憶，並注入提示中。 2. 後調用階段（記錄與提取）：響應返回後，記憶智能體分析對話，提取並分類新信息，存入數據庫。 3. 後台處理：定期運行意識智能體，分析模式並優化記憶優先順序。 整個系統依賴四個核心元件：Memori 攔截器（協調呼叫）、檢索/意識/記憶智能體（處理資料），以及SQL 資料庫（持久性儲存）。這種模組化設計確保了高效和可擴展性。 開源位址：