@DanKornas：大多数智能体不需要更多提示词。它们需要的是适合任务的记忆。Agent Memory Techniques 是一个实操 GitHub 指南……

X AI KOLs Timeline 工具
agent-memory llm-agents memory-patterns jupyter-notebooks github-guide open-source

摘要

一份实操 GitHub 指南，包含 30 个可运行的 Jupyter notebook，涵盖 LLM 智能体的记忆模式，按短期记忆、长期记忆、认知架构、检索、框架和评估/生产等部分组织，并提供决策树和对比矩阵。

大多数智能体不需要更多提示词。它们需要的是适合任务的记忆。 Agent Memory Techniques 是一份实操 GitHub 指南，提供 LLM 智能体的记忆模式，包含 30 个可运行的 Jupyter notebook。 它通过将技术分为短期记忆、长期记忆、认知架构、检索/路由、框架和评估/生产等部分，并提供决策树和对比矩阵来导航，帮助你选择和测试记忆设计。 主要特性： • 30 个可运行 notebook – 涵盖对话缓冲、向量存储、知识图谱、情景/语义记忆、MemGPT、Mem0、Letta、Zep、Graphiti、LoCoMo 基准测试和生产模式 • 六类分类法 – 将记忆分为短期、长期、认知架构、检索、框架和评估/生产六大轨道 • 面向构建者的决策树 – 根据当前对话、跨会话记忆、框架或生产/评估需求，指引你选择合适的技术 • 对比矩阵 – 帮助你通过持久性、检索方式、Token 成本和最佳适用场景来筛选技术 • 以 Notebook 为先的学习路径 – 从对话缓冲记忆开始，将每种技术与可运行 notebook 和 Colab 关联 它基于 Apache License 2.0 开源。 链接在回复中
查看原文
查看缓存全文

缓存时间: 2026/05/24 18:36

大多数智能体不需要更多提示。它们需要的是适合任务的内存。

Agent Memory Techniques 是一份关于 LLM 智能体内存模式的实践性 GitHub 指南，以 30 个可运行的 Jupyter Notebook 形式组织。

它通过将技术分组成短期、长期、认知架构、检索/路由、框架以及评估/生产几个部分，并附有决策树和对比矩阵进行导航，帮助您选择和测试内存设计。

主要特点：

• 30 个可运行笔记本 – 涵盖对话缓冲区、向量存储、知识图谱、情景/语义记忆、MemGPT、Mem0、Letta、Zep、Graphiti、LoCoMo 基准测试以及生产模式 • 六类分类法 – 将内存分为短期、长期、认知架构、检索、框架和评估/生产轨道 • 构建者决策树 – 根据当前聊天、跨会话内存、框架或生产/评估需求，为您指明正确的技术 • 对比矩阵 – 帮助您根据持久性、检索方式、令牌成本以及最佳用例来筛选技术 • 笔记本优先学习路径 – 从对话缓冲区内存开始，并将每种技术与可运行的笔记本和 Colab 链接

该项目在 Apache License 2.0 下开源。

链接在回复中

相似文章

rohitg00/agentmemory

GitHub Trending (daily)

agentmemory 是一个开源的持久化记忆层，专为 AI 编程智能体（Claude Code、Cursor、Gemini CLI、Codex CLI 等）设计。它通过知识图谱、置信度评分和混合搜索技术，借助 MCP、Hooks 或 REST API，为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建，无需外部数据库，提供 51 个 MCP 工具。

理解智能体记忆（38分钟阅读）

TLDR AI

本文比较了三种常见的智能体记忆系统形态——基于文件的、结构化存储和基于经验的，并通过一个使用常见智能体循环和开源模型的基准测试评估了它们的有效性。