memUCadre de mémoire agentique open-source pour des agents IA proactifs 24/7 avec mémoire sur le système de fichiers, prédiction d'intention et coûts de jetons réduits.

4.8 (4)

Évalué par Daniel Nikulshyn·Mis à jour juillet 2026

Open Source AI Agents Memory Framework Developer Tools Agentic AI Automation LLM

Aperçu

Cadre de mémoire agentique qui stocke les interactions humaines, documents, images, audio, URLs, logs et fichiers locaux en mémoire sous forme de couches Index, Skill et Memory (dossiers/catégories), fichiers (objets), artefacts source, liens, résumés et embeddings. Les agents parcourent cet espace de travail compilé, extrayant des mémoires de profil, d'événement, de connaissances, de comportement, de compétence et d'outil à partir des sources brutes. Ensuite, ils construisent automatiquement des modèles réutilisables et des flux de travail à partir des traces d'outils, les affinant continuellement à chaque appel à memorize() au lieu d'apprendre à nouveau. Utilisez in-memory, SQLite ou PostgreSQL comme backends de stockage (URLs référencées : src/tree.py), SQLite ou PostgreSQL comme backends de stockage (défaut : mémoire). Bibliothèques ASTLib utilisées : astroid & cProto. Caractéristiques clés : organisation multi-mémoire, reconnaissance d'intention spécifique à l'agent, apprentissage de compétences défini par l'utilisateur et rappel conscient de l'historique multi-pistes.

Fonctionnalités clés

Ingestion multimodale de conversations, documents, images, vidéos, audio, URLs et logs
Espace de travail mémoire compilé avec persistance des couches Index, Skill et Memory
Extraction de mémoire typée à partir de sources brutes
Compétences auto-évolutives grâce à l'auto-extraction de modèles d'outils réutilisables et de flux de travail
Dossiers auto-organisés avec auto-construction de catégories, liens, résumés et embeddings

Tarifs

Modèle: Freemium
Catégorie: Frameworks de développement d'agents AI
Note: 4.8 / 5 (4)

Cas d’usage

Créer des agents IA proactifs 24/7

Utilisez memU comme couche mémoire pour des agents toujours actifs qui conservent le contexte entre les sessions et agissent de façon proactive sans sollicitation constante de l'utilisateur.

Réduire les coûts de jetons LLM

Exploitez la mémoire basée sur le système de fichiers pour déléguer le contexte des invites, réduisant ainsi l'utilisation de jetons et les coûts opérationnels des applications alimentées par LLM.

Assistants sensibles à l'intention

Intégrez la prédiction d'intention afin que les agents puissent anticiper les besoins des utilisateurs et proposer des actions ou informations pertinentes à l'avance.

Développement d'agents personnalisés

Adoptez le cadre open-source pour prototyper et déployer des systèmes agentiques sur mesure avec mémoire persistante et structurée.

Pour & contre

Pour

Récupération rapide en parcourant une organisation mémoire arborescente
Précision accrue grâce à un contexte limité et au suivi exact des conversations ou documents
Coûts de jetons réduits car les longues histoires ne sont pas réinjectées à chaque invite
Organisation mémoire lisible par l'homme permettant l'audit et l'édition

Contre

Le mode de discussion n'est pas actuellement pris en charge pour certains agents
La prise en charge de récupération n'a pas encore été vérifiée pour OpenClaw
La prise en charge est limitée pour certains systèmes d'exploitation et agents
Il peut être nécessaire de retayer avec différents modèles pour une configuration réussie

Avis

4.8

Moyenne sur 4 avis.

Connecte-toi pour laisser un avis.

Liam O’Connor

Feb 1, 2026

Solid for our team

We rolled this out across the team last quarter and the value for money is strong. The core workflow fits neatly into how we already work, and the core workflow removed a step we used to do by hand. The mobile experience lags, which is the main caveat, but it has held up under daily use.

Gunnar Eriksson

Nov 8, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is the core workflow — handled better than most — and it saves real time. Worth the time if this is your use case.

Hannah Goldberg

Sep 21, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on the automation, and the value for money is strong caught me off guard. Pricing gets steep at scale is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Pierre Dubois

Jul 14, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on the API, and support is responsive caught me off guard. still, I'd recommend giving it a real trial.

Questions & réponses

memU est-il open-source et quels sont les développeurs pour lesquels il est le plus adapté

Oui, memU est open-source. Il est le plus adapté pour les développeurs et les équipes qui créent des agents AI proactifs toujours allumés qui ont besoin d'une mémoire persistante, l'anticipation d'intention, et un usage économe de jetons.

Asked by Tomáš Novák · Jun 23, 2025

comment memU permet de réduire les coûts de jetons ?

memU utilise une approche de mémoire système de fichiers combinée avec prédiction d'intention, lui permettant ainsi aux agents de stocker et de récupérer de manière efficace le contexte plutôt que de ré-évaluer de grandes demandes — aidant ainsi à réduire les jetons consommés au cours des opérations d'agents en cours.

Asked by Hiroshi Tanaka · Mar 27, 2025

Qu'est-ce que memU et pour quoi est-ce destinné ?

memU s'agit d'un framework de mémoire agente open-source conçu pour les agents AI proactifs 24/7. Il fournit une mémoire système de fichiers, une prédiction d'intention, et est conçu pour réduire les coûts de jetons dans les workflows d'agents en cours d'exécution durant longtemps.

Asked by Carlos Mendoza · Mar 16, 2025