Memori：为智能体提供结构化记忆的 SDK 与托管服务

工具定位

Memori 是一个面向智能体的记忆层工具，许可证为 Apache 2.0。按 README 描述，它强调“记忆来自智能体的行为，而不只是对话内容”，并宣称与具体 LLM、数据存储和框架无关，可接入已有架构。它同时提供开源 SDK 与托管平台 Memori Cloud：云端需要注册获取 API key，SDK 则通过包管理器安装。

可证实的用法

• 安装：TypeScript 用 npm install @memorilabs/memori，Python 用 pip install memori。
• 基本流程：将 Memori 注册到已有的 LLM 客户端（示例为 OpenAI），调用 attribution 指定实体 ID 与流程 ID，之后的对话即在后台被持久化并自动召回。README 明确说明：不提供归属信息就无法建立记忆。
• 会话管理：SDK 支持新建会话或指定会话 ID，用于把多步交互归入同一会话。
• 记忆检索入口：除 SDK 外，还提供 MCP 方式接入 Claude Code、Cursor 等客户端，以及 OpenClaw 插件和 Hermes Agent 记忆提供方两种集成。

记忆的组织层次

Memori 将记忆分为实体、流程、会话三个层级，Advanced Augmentation 在此基础上补充属性、事件、事实、人物、偏好、关系、规则、技能等维度，并称增强在后台完成、不引入延迟。该功能默认无需账号但受速率限制，注册或使用 CLI 可获得更高额度。配额可通过 CLI 或网页账户查询。

基准结果与边界

README 称在 LoCoMo 长对话记忆基准上达到 87% 总体准确率，平均每查询使用 721 tokens，约为完整上下文的 2.8%；并称相对 Zep 提示规模减少约 67%、相对完整上下文提示降低超过 36 倍上下文成本。这些数字来自项目自述及其基准文档，缺少独立复现说明，引用时需保留其测试条件与出处。

支持范围

列出的 LLM 包括 Anthropic、Bedrock、DeepSeek、Gemini、Grok、OpenAI（Chat Completions 与 Responses API），覆盖流式与非流式、同步与异步；框架为 Agno、LangChain、Pydantic AI。支持列表不等同于对每项能力的逐一验证。

企业案例的限定

README 提到某项目管理平台在私有 VPC 中部署 Memori 后，单个 QA 自动化工作流每年减少 210 万美元 token 支出，并称还有准确性、延迟等方面的软收益。这是厂商自述的单一案例，未给出测量方法与验证细节，不宜作为普遍结论。