Memoria

通用 AI Agent 记忆框架 —— 零成本起步，全功能扩展。

Memoria 为 AI Agent 提供多层级、多类型的长期记忆：从短时工作记忆到长期归档，覆盖 8 种记忆类型，并通过五管线上下文召回把「参考信息、用户画像、技能、情绪、约束」一次性交还给模型，让 Agent 跨会话保持连贯。

安装

pip install memoria

可选扩展：

快速开始

import asyncio
from memoria import MemoriaManager
from memoria.config import DictStoreConfig, MemoriaConfig

# 内存版配置（零依赖起步）；持久化时把 DictStoreConfig 换成 MySQLStoreConfig 等
config = MemoriaConfig(
    stores={
        "working": DictStoreConfig(max_items=200, ttl_seconds=1800),
        "short_term": DictStoreConfig(max_items=5000, ttl_seconds=0),
        "long_term": DictStoreConfig(max_items=5000, ttl_seconds=0),
    },
    indexes={
        "working": [],
        "short_term": ["keyword", "temporal"],
        "long_term": ["keyword", "temporal"],
    },
    default_layer="short_term",
)

async def main():
    manager = MemoriaManager(config)
    await manager.initialize()

    memory_id = await manager.store(
        "用户最喜欢的验证饮料是冷萃铁观音-0827",
        types=["semantic"],
        importance=0.6,
    )

    ctx = await manager.contextual_recall("用户最喜欢的验证饮料是什么")
    print(ctx.to_prompt())          # 结构化的多管线召回上下文
    print(await manager.stats())    # 各层记忆数量与生命周期分布

    await manager.close()

asyncio.run(main())

核心概念

五层记忆（sensory → working → short_term → long_term → archive）

• sensory：感知缓冲，短期原始输入
• working：工作记忆，当前任务上下文
• short_term：短期记忆，跨会话近期事实
• long_term：长期记忆，稳定知识与经验
• archive：归档，冷数据（通过 query_archive 检索）

八种记忆类型：episodic（事件）、semantic（事实）、procedural（流程/技能）、relational（关系）、affective（情绪）、spatial（空间）、social（用户画像）、meta（规则/约束）。

五管线上下文召回：contextual_recall() 聚合 reference / profile / skills / emotion / constraints 五条管线，返回 MemoryContext。

主要 API

DeepSeek Harness 集成

Memoria 提供 memoria.plugin_server（stdio JSON-RPC 服务），配合 dsh-memoria npm 插件，可作为 DeepSeek Harness 的原生长时记忆插件：每个会话自动注入召回上下文，无需显式调用召回工具。

pip install memoria
dsh plugin --profile web add dsh-memoria

License

MIT