Agent Memory Techniques

为 7×24 小时主动式 AI Agent 设计的记忆系统，支持持久化上下文管理、用户画像存储和跨会话记忆恢复，兼容 OpenClaw 等 Agent 框架。

🎯为长期运行的 AI Agent 提供持久记忆能力，支持跨会话的上下文保持和用户偏好学习，适合个人助理和客服 Agent

AI Agent 记忆控制层框架，仅需 6 行代码即可为 Agent 添加长期记忆能力。基于知识图谱 + 向量数据库混合架构，支持 GraphRAG，让 Agent 拥有持久化的上下文记忆。17K+ stars

🎯Agent 长期记忆与 GraphRAG 检索、知识图谱混合记忆架构

为 AI Agent 构建实时知识图谱的开源框架，支持动态图构建、增量更新和语义检索，让 Agent 拥有结构化的长期记忆能力。26K+ stars，Zep 团队出品

🎯AI Agent 长期知识图谱记忆、结构化语义检索、动态上下文构建

AI Agent 长期记忆系统，创新性地采用记忆宫殿架构 + AAAK 30x 压缩技术，仅需 170 token 即可启动记忆检索，在 LongMemEval 基准测试中准确率达 96.6%。完全离线运行保护隐私，支持 MCP 协议集成到任意 Agent 工作流，发布后 48 小时即获得 22K GitHub Stars。解决了大模型上下文窗口有限和记忆丢失的核心痛点，是 Agent 长期记忆基础设施的新标杆

🎯Agent 长期记忆与上下文管理、AI 工作流编排与自动化

AI 原生向量数据库，28K+ stars。专为 AI 应用设计的开源向量数据库，提供嵌入式向量存储、语义搜索和 Agent 记忆能力。Rust 重写后性能大幅提升，是构建 RAG 系统的底层基础设施

🎯知识库问答与 RAG 检索、Agent 长期记忆存储

Agent 记忆学习框架，14.5K+ stars。让 AI Agent 拥有可学习、可演化的记忆系统——Agent 不仅记住，还通过交互持续优化记忆结构。是 Agent Memory 领域的新一代方案

🎯为 AI Agent 提供可学习和可演化的长期记忆系统