Letta
状态化 AI Agent 平台，23K+ stars。为 Agent 提供高级记忆、自我学习和自我改进能力。不同于简单的上下文追加，Letta 构建完整的 Agent 记忆系统——包括核心记忆、档案记忆和对话记忆，让 Agent 拥有真正的持久化状态
🎯适用场景：需要长期记忆的 AI Agent 构建、个性化助手开发、多轮对话系统
📥 收录于 2026/4/14
📊 仓库数据
📈 Stars 变化 ↑1 天 +26· 统计区间 6/11 00:29 → 6/12 00:56（1 天）
✅ 优点
- •真正的持久化 Agent 记忆系统
- •核心/档案/对话三级记忆架构
- •自我学习与自我改进能力
- •Python 生态集成方便
- •23K+ stars 社区活跃
⚠️ 限制
- •需要 Python 运行环境与配置
- •记忆策略需要调优才能达到最佳效果
- •大规模部署资源消耗较高
🔗 相关工具
Cheshire Cat AI
github.com/cheshire-cat-ai/core
AI Agent 微服务框架，支持 AG-UI 协议、长期记忆管理和丰富的插件生态系统，可快速构建对话式 AI 助手和智能 Agent 应用
🎯快速搭建企业对话 AI 助手、智能客服系统、多 Agent 协作场景
Claude-Mem
github.com/thedotmack/claude-mem
Claude Code 自动记忆插件（GitHub 66.7K 星），自动捕获编码会话中的所有操作，用 AI 压缩后注入后续会话，解决上下文丢失问题，支持长期记忆和智能检索。周增 7,562 星，总计 66,750 星。2026 年增长最快的 Agent 记忆工具。
🎯Agent 长期记忆与上下文管理
MemOS
github.com/memtensor/memos
AI 记忆操作系统，9213 stars。面向 LLM 和 Agent 系统的 AI 记忆 OS（moltbot/clawdbot/openclaw），支持跨任务的技能持久化和演进
🎯Agent 长期记忆与上下文管理
Mem0
github.com/mem0ai/mem0
AI Agent 通用记忆层，53,592+ stars。为 AI 应用提供持久化记忆管理，支持用户偏好、对话历史、知识图谱的存储和检索，让 Agent 拥有长期记忆能力
🎯Agent 长期记忆与上下文管理、用户偏好与对话历史持久化
MemPalace
github.com/MemPalace/mempalace
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
Chroma
github.com/chroma-core/chroma
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