Memori

Memori 是来自 Memori 实验室的开源代理原生内存层。它观察对话和执行跟踪（工具调用、工作流程步骤、决策、结果和失败），然后将选定的信号转换为结构化的持久内存。随后，应用程序或代理可以检索一小部分有范围的内存，而不是重放整个转录本。

这是与文档 RAG 不同的工作。 RAG 通常会回答“源语料库怎么说？”智能体记忆还必须回答“发生了什么、发生在谁身上、在哪个项目中、何时、结果如何，以及它仍然是真实的吗？” Memori 的价值不在于存储许多事实，而在于有选择地编写、分离用户和项目、解决更正、保留血统、在正确的时刻召回并可靠地删除。

从执行跟踪到调用上下文

 对话 + 座席追踪 + 工具结果
                    |
                    v
        清理/属性/规范化
                    |
          给值得记忆的东西评分
                    |
       .------------+-------------。
       维维维
    事实 事件/结果 决策/模式
       '------------+-------------'
                    v
          结构化内存存储
 实体/项目/流程/会话/来源/时间
                    |
         排名：相关性+新近度+信号+衰减
                    |
                    v
           最小有用回忆
                    |
         更正/取代/删除

原始跟踪是输入，不一定是最终的内存对象。产品解释称，摄取是异步的：工具活动和对话可以在交互后进行标准化、评分和提炼，而不会延迟响应路径。原始踪迹可能仍可用于审计，而持久原语则携带元数据，例如实体、项目、会话、源、信号、时间戳和结果。

Memori 是什么——不是什么

请勿使用概率记忆作为余额、权限、命令、医疗事实或法律状态的记录系统。这些属于权威应用程序表，应该在决策时获取。 Memori 更适合偏好、先前的尝试、结果、可重用的工作流程知识和可以显示出处的上下文信号。

重要的架构选择

开源架构被描述为与 LLM、框架和数据存储无关。将内存归因于实体和进程；增强将原始活动转化为结构化记忆；回忆使用语义相关性、排名和衰减；包装器可以将选定的上下文注入到以后的模型调用中。该设计支持 Memori 云和自带数据库路径。

为什么跟踪衍生内存可以添加信息

文字记录可能会说“我将使用 CSV 解析器重试”，但跟踪可以揭示哪个解析器运行、哪个文件失败、错误、回退以及输出是否通过验证。捕获执行路径可以保留会话摘要丢失的因果证据。有用的示例包括在特定环境下反复失败的部署命令、返回过时行的数据源或通过升级解决问题的支持工作流。

写策略应该要求耐用性、实用性和适当的敏感性。 “用户选择深色模式”可能会持久。 “用户当前很生气”是短暂的并且可能有害。 “转账完成”必须根据交易系统进行验证，而不是从代理人的最后一句话中推断出来。

智能回忆和“无标记”语言

Memori 材料强调有针对性的、由代理控制的召回并避免大量即时转储。实际意义并不是说内存实际上具有零令牌成本：最终插入到 LLM 上下文中的任何文本都会消耗令牌。相反，代理只能在有用时调用召回工具，并且检索可以返回紧凑的结果，而不是连续注入完整的历史记录。存储、丰富、嵌入和工具调用仍然需要计算和货币成本。

如何解释基准声明

Memori 报告 LoCoMo 的准确度为 81.95%，每个查询有 1,294 个标记，并将该上下文描述为全上下文方法的大约 5%，这意味着在测试设置中推理节省高达 95.03%。 LoCoMo 评估长对话记忆问题，因此它与对话回忆相关。该产品的跟踪定位超出了基准测试本身所证明的范围。

在采用这些数字之前，请检查存储库的基准代码、数据集版本、判断、模型、基线、令牌计数和运行次数。将检索准确性与最终答案准确性分开。成本声明应包括增强、嵌入、存储、调用和重试，而不仅仅是最终答案提示中的标记。供应商基准是有用的可重复证据，但它不是 SLA 或模式和语言的性能证明。

BYODB 与 Memori 云

“自带数据库”并不一定意味着“所有处理都保留在您的网络内”。获取涵盖原始跟踪、提取的内存、嵌入、遥测和支持访问的数据流图。如果存储个人数据，请将访问/删除请求映射到每个派生副本、矢量、缓存、备份和导出跟踪。

内存安全和隐私威胁模型

生产就绪的内存合约

在启用自动捕获之前定义合同。每个内存都应该有一个所有者、租户/实体、项目/进程、类型、源指针、创建时间、置信度、敏感度、到期时间、生命周期状态和删除标识符。合约应说明哪些类型从不存储，哪些类型需要用户同意，哪些类型可以自动调用，哪些类型必须从权威系统中获取。

 允许：偏好、经过验证的结果、可重用的任务程序
 被拒绝：凭据、原始付款/健康记录、隐藏的系统提示
 权威：应用数据库>经过验证的用户修正>工具结果>模型推理
 召回：租户+所需项目；返回的源和时间戳
 生命周期：提议 -> 活动 -> 取代/过期/删除
 删除：内存+嵌入+缓存+跟踪指针+备份时间表

为期四个星期的评估计划

1. 第一周——基线。 收集 50 个真实问题，涉及最新事实、旧事实、更正、多会话结果和“不存在记忆”案例。测量完整历史和简单的向量 RAG 基线。
2. 第 2 周——写作质量。 运行代表性跟踪，标记哪些观察结果应成为内存，并计算提取精度/召回率、敏感数据泄漏和新鲜度延迟。
3. 第三周——回忆质量。 测试过滤器、排名、衰减、引用、矛盾、多语言查询和对抗性租户 ID。在测量最终答案之前记录相关上下文的精度。
4. 第 4 周——运营。 负载测试写入/调用、停止扩充工作线程、轮换凭证、恢复备份、导出数据并执行完全删除。按实际工作量定价。

对于受监管或高影响力的用途，应收紧阈值。还要衡量弃权：一个好的系统必须说“没有找到可靠的记忆”，而不是检索语义相似的小说。

替代方案

常见问题解答

Memori 是否取代矢量数据库？

不。它是一个内存生命周期和集成层，可以使用存储和检索基础设施。重要的附加工作是归因、结构化、排名、沿袭和增强。

它只能从聊天中学习吗？

不。它当前的定位明确包括代理执行跟踪、工具活动、工作流决策、结果和失败以及对话。

召回真的是无代币的吗？

按需工具调用可以避免总是注入内存，但 LLM 使用的返回文本会消耗上下文标记。包括检索和记忆构建成本总计。

Memori可以存储权威的业务状态吗？

它可以存储有关它的上下文，但关键的当前状态应保留在权威应用程序数据库中，并在操作时进行验证。

矫正工作应该如何进行？

保留血统，将新的验证值标记为规范，从普通召回中抑制旧值，并仅在政策允许的情况下保留历史。

谁应该首先采用 Memori？

具有长期运行的多用户代理的团队，其可测量的失败来自于丢失的执行上下文，并且可以运行严格的隐私和评估程序。

来源与验证

• 官方 Memori 产品网站
• 官方开源存储库
• 官方 BYODB 架构文档
• 官方代理跟踪概述和演示
• 官方基准页面
• 官方存储库中的基准代码和材料
• Memori 技术论文
• Product Hunt 发布和制造商说明
• OWASP LLM 申请安全指南

上次审核日期为 2026 年 7 月 26 日。架构、云计划、基准测试结果和集成可能会发生变化。在生产使用之前验证当前文档、条款和代码。