记忆来自代理的行为，而不仅仅是他们的言语。

Memori 可以无缝接入您现有的软件和基础设施。它与大语言模型、数据存储和框架无关，能够平滑地融入您已有的架构设计中。

→ Memori Cloud — 无需配置。获取一个 API 密钥，几分钟内即可开始构建。

选择高效的记忆系统

开始使用

安装

npm install @memorilabs/memori

pip install memori

快速入门

在 app.memorilabs.ai 注册，获取 Memori API 密钥，然后开始构建。完整文档：memorilabs.ai/docs/memori-cloud/。

设置 MEMORI_API_KEY 和您的 LLM API 密钥（例如 OPENAI_API_KEY），然后：

import { OpenAI } from 'openai';
import { Memori } from '@memorilabs/memori';

// 需要环境变量中设置 MEMORI_API_KEY 和 OPENAI_API_KEY
const client = new OpenAI();
const mem = new Memori().llm
  .register(client)
  .attribution('user_123', 'support_agent');

async function main() {
  await client.chat.completions.create({
    model: 'gpt-4o-mini',
    messages: [{ role: 'user', content: '我的最喜欢的颜色是蓝色。' }],
  });
  // 对话会自动在后台持久化并被召回。

  const response = await client.chat.completions.create({
    model: 'gpt-4o-mini',
    messages: [{ role: 'user', content: "我最喜欢的颜色是什么？" }],
  });
  // Memori 会回忆起您最喜欢的颜色是蓝色。
}

from memori import Memori
from openai import OpenAI

# 需要环境变量中设置 MEMORI_API_KEY 和 OPENAI_API_KEY
client = OpenAI()
mem = Memori().llm.register(client)

mem.attribution(entity_id="user_123", process_id="support_agent")

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "我的最喜欢的颜色是蓝色。"}]
)
# 对话会自动持久化并被召回。

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "我最喜欢的颜色是什么？"}]
)
# Memori 会回忆起您最喜欢的颜色是蓝色。

探索记忆

使用 仪表板 — 记忆、分析、游乐场和 API 密钥。

[!TIP] 想使用您自己的数据库吗？请查看 Memori BYODB 的文档： https://memorilabs.ai/docs/memori-byodb/。

LoCoMo 基准测试

Memori 在 LoCoMo 长对话记忆基准测试中表现出色，整体准确率达到 81.95%，同时每次查询平均仅使用 1,294 个 token。这仅占完整上下文的 4.97%，表明结构化记忆可以在不将大量提示注入每个请求的情况下，保持推理质量。

与其他基于检索的记忆系统相比，Memori 的表现优于 Zep、LangMem 和 Mem0，同时将提示大小减少了约 67% 相对于 Zep，并将上下文成本降低了超过 20 倍相对于全上下文提示。

阅读 基准测试概述，查看 测试结果，或下载 论文。

OpenClaw（为您的网关提供持久化记忆）

默认情况下，OpenClaw 代理会在会话之间忘记所有内容。Memori 插件可以解决这一问题。它会在每次对话结束后捕获持久的事实和偏好，并自动将最相关的上下文注入到未来的提示中。

无需更改您的代理代码或提示。该插件会挂钩到 OpenClaw 的生命周期，因此您只需通过一个即插即用的插件，就能获得结构化记忆、智能召回和高级增强功能。

openclaw plugins install @memorilabs/openclaw-memori
openclaw plugins enable openclaw-memori

openclaw config set plugins.entries.openclaw-memori.config.apiKey "YOUR_MEMORI_API_KEY"
openclaw config set plugins.entries.openclaw-memori.config.entityId "your-app-user-id"

openclaw gateway restart

有关设置和配置，请参阅 OpenClaw 快速入门。有关架构和生命周期的详细信息，请参阅 OpenClaw 概述。

MCP（一条命令连接你的代理）

你的代理在会话之间会忘记所有内容。Memori 解决了这个问题。它会记住你的代码栈、编码规范以及你喜欢的工作方式，这样你就不再需要重复同样的操作。

适用于个人开发者和团队。随着时间的推移，你的代理会学习编码模式、代码审查者的偏好以及项目规范。对于团队而言，这意味着新入职的工程师可以在第一天就快速掌握共享上下文，而无需花费数月时间去吸收那些“部落知识”。

如果你使用 Claude Code、Cursor、Codex、Warp 或 Antigravity，无需任何 SDK 集成即可连接 Memori：

claude mcp add --transport http memori https://api.memorilabs.ai/mcp/ \
  --header "X-Memori-API-Key: ${MEMORI_API_KEY}" \
  --header "X-Memori-Entity-Id: your_username" \
  --header "X-Memori-Process-Id: claude-code"

对于 Cursor、Codex、Warp 等客户端，请参阅 MCP 客户端设置指南。

归因

为了充分发挥 Memori 的作用，你需要为你的 LLM 交互指定一个实体（例如用户）和一个流程（例如你的代理、LLM 交互或程序）。

如果不提供任何归因信息，Memori 就无法为你创建记忆。

mem.attribution("12345", "my-ai-bot");

mem.attribution(entity_id="12345", process_id="my-ai-bot")

会话管理

Memori 使用会话来将你的 LLM 交互分组在一起。例如，如果你有一个执行多个步骤的代理，你希望这些步骤被记录在一个会话中。

默认情况下，Memori 会自动为你设置会话，但你也可以通过以下命令开始一个新的会话或覆盖当前会话：

mem.resetSession();
// 或
mem.setSession(sessionId);

mem.new_session()
# 或
mem.set_session(session_id)

支持的 LLM

• Anthropic
• Bedrock
• DeepSeek
• Gemini
• Grok (xAI)
• OpenAI（Chat Completions & Responses API）

（非流式、流式、同步和异步）

支持的框架

• Agno
• LangChain
• Pydantic AI

支持的平台

• DeepSeek
• Nebius AI Studio

示例

更多示例和演示，请查看 Memori Cookbook。

Memori 高级增强

记忆会在多个不同层次上被跟踪：

• 实体：例如用户、地点或事物。
• 流程：例如你的代理、LLM 交互或程序。
• 会话：实体、流程与 LLM 之间的当前交互。

Memori 的高级增强功能会在每个层次上通过以下内容增强记忆：

• 属性
• 事件
• 事实
• 人物
• 偏好
• 关系
• 规则
• 技能

Memori 能够识别你的用户是谁、你的代理负责哪些任务，并在这两者之间建立无与伦比的上下文。增强过程在后台进行，不会引入任何延迟。

默认情况下，Memori 高级增强功能无需账户即可使用，但存在速率限制。当你需要更高的限制时，可以 注册 Memori 高级增强功能 或使用 Memori CLI：

# 通过 pip 安装 CLI 来管理你的账户
python -m memori sign-up <email_address>

Memori 高级增强功能对开发者始终免费！

获取 API 密钥后，设置以下环境变量（Python 和 TypeScript SDK 均可使用）：

export MEMORI_API_KEY=[api_key]

管理你的配额

你可以随时使用 Memori CLI 检查你的配额（适用于所有 SDK）：

python -m memori quota

或者登录 https://app.memorilabs.ai/ 查看你的账户。如果你已达到 IP 地址配额上限，请注册并获取 API 密钥以提高限制。

如果你的 API 密钥超过其配额限制，我们会通过电子邮件通知你。

命令行界面（CLI）

Memori CLI 是用于跨所有 SDK 管理账户、密钥和配额的统一工具。要使用它，请在命令行中执行以下命令：

# 需要安装 Python
python -m memori

这将显示可用选项菜单。有关 Memori CLI 的更多信息，请参阅 命令行界面。

贡献

我们欢迎社区的贡献！请参阅我们的 贡献指南，了解以下内容：

• 设置开发环境
• 代码风格和标准
• 提交拉取请求
• 报告问题

支持

• Memori Cloud 文档
• Memori BYODB 文档
• Discord
• 问题追踪

许可证

Apache 2.0 - 详见 LICENSE

Memori 快速上手指南

Memori 是一个专为 AI Agent 设计的记忆层工具。它能从 Agent 的实际行为中提取记忆，而不仅仅是记录对话内容。Memori 与现有的 LLM、数据存储和框架无关，可无缝集成到你已有的架构中，实现上下文的自动持久化与智能召回。

环境准备

在开始之前，请确保满足以下条件：

• 运行环境：支持 Node.js (TypeScript) 或 Python 3.8+ 环境。
• API 密钥：
  1. 访问 Memori Cloud 注册账号。
  2. 获取 MEMORI_API_KEY。
  3. 准备好你的 LLM 提供商 API Key（例如 OPENAI_API_KEY）。
• 环境变量：建议在终端或 .env 文件中配置以下变量：

  export MEMORI_API_KEY="your_memori_api_key"
  export OPENAI_API_KEY="your_openai_api_key"
  

安装步骤

根据你的开发语言选择对应的 SDK 进行安装。

TypeScript / Node.js

npm install @memorilabs/memori

Python

pip install memori

提示：国内开发者若下载缓慢，可使用清华源或阿里源加速： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple memori

基本使用

Memori 的核心逻辑是：注册 LLM 客户端 -> 设定归属（用户与进程） -> 正常调用 LLM。 一旦配置完成，Memori 会在后台自动持久化对话并召回相关记忆，无需修改原有的 Prompt 结构。

TypeScript 示例

import { OpenAI } from 'openai';
import { Memori } from '@memorilabs/memori';

// 初始化 OpenAI 客户端
const client = new OpenAI();

// 注册 Memori 并设定归属：实体 ID (用户) 和 进程 ID (Agent 名称)
const mem = new Memori().llm
  .register(client)
  .attribution('user_123', 'support_agent');

async function main() {
  // 第一次对话：告诉 Agent 你的喜好
  await client.chat.completions.create({
    model: 'gpt-4o-mini',
    messages: [{ role: 'user', content: 'My favorite color is blue.' }],
  });
  // 此时记忆已自动保存

  // 第二次对话：询问之前的喜好
  const response = await client.chat.completions.create({
    model: 'gpt-4o-mini',
    messages: [{ role: 'user', content: "What's my favorite color?" }],
  });
  
  // Memori 会自动在后台注入上下文，Agent 将回答 "blue"
  console.log(response.choices[0].message.content);
}

main();

Python 示例

from memori import Memori
from openai import OpenAI

# 初始化 OpenAI 客户端
client = OpenAI()

# 注册 Memori 并设定归属
mem = Memori().llm.register(client)
mem.attribution(entity_id="user_123", process_id="support_agent")

# 第一次对话：告诉 Agent 你的喜好
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "My favorite color is blue."}]
)
# 此时记忆已自动保存

# 第二次对话：询问之前的喜好
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "What's my favorite color?"}]
)

# Memori 会自动在后台注入上下文，Agent 将回答 "blue"
print(response.choices[0].message.content)

关键概念说明

• Attribution (归属)：必须指定 entity_id（如用户 ID）和 process_id（如 Agent 名称），否则 Memori 无法存储记忆。
• Session (会话)：默认情况下 Memori 自动管理会话。如需手动控制（例如将多步操作合并为一个会话），可使用 mem.new_session() (Python) 或 mem.resetSession() (TS)。
• 无感集成：你不需要改变调用 LLM 的代码方式，记忆增强过程在后台异步完成，不会增加请求延迟。

更多高级功能（如自定义数据库 BYODB、OpenClaw 插件集成或 MCP 协议连接）请参考官方文档。