Memori

概要

Memori は、単なる会話履歴の再投入を超えたメモリ層を目指しています。エージェントが何をしたかを記録し、分類し、重要なものだけを残し、なぜその情報が呼び出されたかまで説明できる形で、運用チームが扱いやすい仕組みにしようとしています。

今注目されている理由

今動いている理由は、Product Hunt での露出だけでなく、公式サイトと GitHub が trace 起点のメモリ、tokenless recall、ベンチマーク、セキュリティ制御、クラウドと BYO データベースの両対応を一貫して打ち出しているからです。

主な機能

• 長い会話履歴だけでなく、実行トレースと会話の両方からメモリを構造化する。
• ターゲットリコール、セマンティック補強、ラインジ、分析、ポリシー制御を備える。
• Memori Cloud を提供しつつ、自社データベースを使う構成にも対応する。

実際の活用例

• 事実、好み、ルール、判断履歴をセッションをまたいで保持したい長時間エージェント。
• 権限考慮のあるリコール、監査、保持ポリシーが必要な企業向けコパイロット。
• ベクトルストアとプロンプトの継ぎはぎ以上のメモリ基盤が欲しいチーム。

コミュニティの反応

好意的な反応は、Memori がデモより運用を意識している点にあります。一方で、本番データが増えたときに構造化メモリが本当にきれいに保てるのか、それとも結局は手動整理が増えるのかは引き続き見極めが必要です。

制限とリスク

書き込みルールが緩いと、メモリ層はすぐに高コストでノイジーになります。保持期間、関連性しきい値、セキュリティ境界、誤った想起への責任分界をチーム側で設計する必要があります。

代替候補

比較対象には Mem0、Zep、Graphlit、独自 RAG パイプライン、pgvector ベースの構成、軽量なファイル型コンテキスト層があります。

よくある質問

• まず評価すべき人は？ 単なる transcript replay では足りないと感じているエージェント開発チームです。
• 何を重視して見るべきですか？ 想起品質、書き込みの規律、負荷時コスト、説明可能性、そして実運用に合うセキュリティ制御です。