【免费下载链接】Agent_Memory_TechniquesAgent 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.项目地址https://gitcode.com/gh_mirrors/ag/Agent_Memory_Techniques点击查看免费下载Agent Memory Techniques是一个专注 LLM Agent 记忆系统的开源教学仓库用 30 个可运行的 Jupyter Notebook 教程完整覆盖了从短期记忆对话缓冲、滑动窗口、摘要记忆、长期记忆向量存储、知识图谱、情景/语义记忆、认知架构到 MemGPT/Letta、Mem0、Zep、Graphiti 四大记忆框架、LoCoMo 基准测试与生产级部署模式的全谱系内容。为什么 LLM Agent 需要记忆每个 AI Agent 最终都会撞上同一堵墙它会遗忘。大模型的上下文窗口有硬性上限常见 4K 到 200K tokens会话一结束Agent 就丢失了全部信息——用户的偏好、上周讨论的方案甚至对方的名字。没有记忆Agent 无法跨对话保持连贯无法从过往交互中学习更谈不上个性化服务。Agent Memory智能体记忆要解决的正是这个问题让 Agent 跨轮次、跨会话、跨任务地保留信息并在需要时把最相关的上下文召回、注入提示词。主流解法分为两类短期记忆在当前上下文窗口内管理近期对话——截断、摘要、按 token 预算裁剪长期记忆把事实、经历、流程持久化到向量库或知识图谱按需检索召回记忆和 RAG 有什么区别RAG 检索的是你预先提供的文档Agent 记忆检索的是 Agent 自己在对话中积累的经验。生产系统通常两者并用RAG 负责领域知识记忆负责用户上下文。更多细节见 docs/FAQ.md。六大技术家族30种记忆技术的完整分类项目将 30 种记忆技术划分为六大家族每个家族解决一类特定的记忆难题家族解决的问题技术编号 短期记忆在上下文窗口内管理近期对话不撑爆窗口01-05 长期记忆跨会话、跨用户保留知识06-11 认知架构工作记忆、分层存储、反思与遗忘12-19 检索与多Agent选择何时、如何召回以及记忆共享20-23 框架Mem0、Letta、Zep、Graphiti 等现成方案24-27 评估与生产测量记忆质量并部署上线28-30每种技术都位于独立目录包含一份讲解文档和一个可运行的 Notebook全部在 all_techniques/ 下。快速上手三步安装并运行第一个教程git clone https://gitcode.com/gh_mirrors/ag/Agent_Memory_Techniques cd Agent_Memory_Techniques pip install -r requirements.txt然后在本地.env文件中配置OPENAI_API_KEY或ANTHROPIC_API_KEY用 Jupyter 打开all_techniques/中对应目录即可。依赖清单见 requirements.txt核心库包括langchain、chromadb、tiktoken、sentence-transformers、mem0ai、letta-client等。家族一短期记忆技术01-05解决当前这段对话越来越长的问题难度从简单到进阶递进#技术一句话理解01Conversation Buffer Memory逐字保存完整对话是所有记忆技术的地基02Sliding Window Memory只保留最近 K 条消息用完整性换固定开销03Summary Memory让模型自己把旧对话压缩成摘要留大意丢细节04Summary Buffer Memory旧对话摘要 近期消息原文兼顾两者05Token Buffer Memory按严格 token 预算裁剪历史最旧消息先丢弃建议从 01 Conversation Buffer 教程 开始——几乎每一种后续技术都是它的改进版。家族二长期记忆技术06-11让知识跨越会话与用户存活下来#技术一句话理解06Vector Store Memory历史消息向量化后按语义相似度检索所有长期记忆的入口07Entity Memory抽取并持续更新人物、项目、偏好等实体信息08Knowledge Graph Memory把实体和关系建成图谱支持多跳推理查询09Episodic Memory带时间、场景、主题地保存完整经历回答何时发生了什么10Semantic Memory提炼与上下文无关的一般事实沉淀稳定知识11Procedural Memory积累怎么做的流程与技巧不必每次重新推导 不熟悉 embedding嵌入向量、余弦相似度等概念docs/glossary.md 是一份按字母序排列的口袋词典零 ML 背景也能读懂。家族三认知架构12-19借鉴人类记忆机制的 8 个进阶模式12 Working Memory Context Window把上下文窗口当稀缺资源动态分配、置顶与驱逐13 Hierarchical Memory Layers热/温/冷三层存储按访问频率自动升降级类似 CPU 缓存14 Memory Consolidation合并、去重、强化相关记忆灵感来自睡眠中的记忆固化15 Memory Compaction用摘要与蒸馏压缩旧数据省存储省 token16 Self-Reflection MemoryAgent 复盘自身行为写下经验教训指导下次17 Memory Routing按内容类型与意图把读写路由到正确的存储18 Temporal Memory为记忆加时间戳检索时让新信息权重更高19 Forgetting Decay用衰减曲线主动遗忘防止存储无限膨胀家族四检索与多Agent模式20-23Agent 如何找到并共享记忆20 Memory Retrieval Patterns系统对比语义检索、时效加权、混合打分、MMR 多样性与重排序五种策略21 Cross-Session Memory保存与加载 Agent 状态用户下次回来可以接着上次聊22 Multi-Agent Shared Memory多个 Agent 共享存储、消息传递与共识协议23 Memory with Tools把记忆操作变成 Agent 可调用的工具save / search / forget家族五生产级记忆框架实战24-27不想从零造轮子直接上手四大主流记忆框架每种都配了动手 Notebook24 Graphiti从对话构建时间感知知识图谱自动抽取片段与事实25 Mem0托管式记忆层自动完成用户特定记忆的抽取、存储与获取26 Letta (MemGPT)core / archival / recall 三层记忆Agent 通过函数调用自我编辑记忆适合数千轮长程运行的 Agent27 Zep对话分类、实体抽取与时间感知图谱面向生产环境其中 26 Letta/MemGPT 教程 尤其值得细读它用操作系统虚拟内存类比解释上下文窗口相当于 RAM如何与磁盘级存储配合分页是 Agent 记忆领域最优雅的设计之一。家族六评估与生产部署28-30测一测你的记忆然后把它上线28 Memory Evaluation度量检索精确率/召回率、记忆过时度、矛盾率与用户满意度29 LoCoMo Benchmarks用标准基准数据集压测你的记忆系统在长对话下的表现30 Production Patterns缓存、TTL、分片、备份、GDPR 合规与可观测性如何选择合适的记忆技术三步决策法30 种技术看花了眼按目标三步定位只要管好当前对话→ 选 01-05从 01 起步要跨会话记住用户→ 选 06 Vector Store 或 21 Cross-Session构建多存储认知架构→ 看 12-19直接用生产框架→ 24 Graphiti / 25 Mem0 / 26 Letta / 27 Zep上线前需要度量→ 28-30需要更细的筛选维度时docs/comparison.md 有一张覆盖全部 30 种技术的对比表持久化、检索方式、token 成本、适用场景一表看全docs/architecture.md 则拆解了从单向量库到完整认知架构的 5 种经典架构模式并给出选型建议。四条学习路径30-50小时系统掌握官方 docs/learning_path.md 为每个路径标注了前置要求、单技术耗时估算与结业项目路径主题核心路线 初级记忆基础01 → 02 → 03 → 05 → 06 → 21 中级结构化记忆07 → 08 → 09 → 10 → 20 → 22 高级认知架构12 → 13 → 14 → 16 → 17 → 19 实践者框架与生产25 → 26 → 24 → 27 → 28 → 29 → 30每个路径末尾都配一个结业项目——例如初级路径的能记住老用户的命令行聊天机器人做完才算真正掌握。项目结构与参考资料速查资料路径项目主文档README.md30个技术目录README Notebookall_techniques/术语词典docs/glossary.md全技术对比表docs/comparison.md架构模式详解docs/architecture.md常见问题 FAQdocs/FAQ.md关键词索引docs/topics.md示例对话数据data/sample_conversation.json共享工具env加载、token计数等utils/helpers.pyNotebook 结构校验脚本utils/validate_cells.py写在最后Agent Memory Techniques 是目前覆盖最全的 LLM Agent 记忆技术图谱之一30 种技术、6 大家族、可运行 Notebook、4 条学习路径从最简单的消息列表一路讲到生产级记忆系统。建议路线打开 01 Conversation Buffer 教程 跑通第一个 Notebook再沿学习路径逐步推进——这是让 Agent 真正记住你的最快路径。赞分享【免费下载链接】Agent_Memory_TechniquesAgent 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.项目地址https://gitcode.com/gh_mirrors/ag/Agent_Memory_Techniques点击查看免费下载相关推荐洛雪音乐桌面版免费音乐聚合播放器完整使用指南洛雪音乐桌面版免费音乐聚合播放器完整使用指南 周五晚上想听首歌手指在三个 App 之间划了个来回这首在这个平台下架那首在那个平台要会员。如果有一个软件桌面应用音视频前端Nexent SDK 技术全景指南从零构建生产级 AI Agent 的完整能力图谱Nexent SDK 技术全景指南从零构建生产级 AI Agent 的完整能力图谱 Nexent 是一个面向企业级场景的开源 Agent SDK基于 SmoAI AgentAI 应用后端前端大模型RAGMastra Agent 记忆机制完全指南从理解 Memory 到为 Agent 接入持久化对话上下文Mastra Agent 记忆机制完全指南从理解 Memory 到为 Agent 接入持久化对话上下文 导读 本文聚焦 MastraTypeScript A人工智能Agent 框架AI AgentRAG后端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考