memU logo

memUAtvērta pirmkoda agentu atmiņas ietvars 24/7 proaktīviem AI agentiem ar failu sistēmas atmiņu, intencijas prognozi un zemākām token izmaksām.

4.8 (4)
Daniel NikulshynPārskatījis Daniel Nikulshyn·Atjaunināts 2026. g. jūlijs

Pārskats

Agentu atmiņas ietvars, kas glabā cilvēku mijiedarbības, dokumentus, attēlus, audio, URL, žurnālus un vietējās datnes atmiņā kā Index, Skill, and Memory layers (folders/categories), files (items), source artifacts, links, summaries, and embeddings. Agenti pārvietojas pa šo kompilēto darba telpu, izvelkot profilu, notikumu, zināšanas, uzvedību, prasmi un rīku atmiņas no neapstrādāto avotu. Tad automātiski veido pārveidojamus modeļus un darba plūsmas no rīku izsekām, nepārtraukti tos pilninot uz katru memorize() izsaukumu, nevis atkārtoti mācoties. Lietojiet in-memory, SQLite, vai PostgreSQL kā glabāšanas ziņā (pieminētie URL: src/tree.py), SQLite vai PostgreSQL kā glabāšanas ziņā (pēc noklusējuma: atmiņa). ASTLib Bibliotēkas izmantotas: astroid & cProto. Galvenās iezīmes: Multi-memory organization, Agent-specific intent recognition, User-defined skill learning, and multi-track history-aware recall.

Galvenās funkcijas

  • Multimoda ievades apstrāde sarunām, dokumentiem, attēliem, video, audio, URL un žurnāliem.
  • Kompilēts atmiņas darba telpa ar Index, Skill, and Memory layers pastāvību.
  • Tipu atmiņas ekstrakcija no neapstrādāto avotu.
  • Pašattīstījušas prasmes, izmantojot automātisku atkārtoti lietojamā rīku modeļu un darba plūsmu ekstrakciju.
  • Pašorganizējošās mapes ar automātisku kategoriju, saiti, kopsavilkumu un iegūšanu veidošanu.

Cenas

Modelis
Freemium
Vērtējums
4.8 / 5 (4)

Lietošanas gadījumi

Izveidojiet 24/7 proaktīvus AI agentus

Izmantojiet memU kā atmiņas slāni vienmēr pieejamiem agentiem, kuri saglabā kontekstu starp sesijām un rīcības proaktīvi bez pastāvīga lietotāja pieprasījuma.

Samaziniet LLM token izmaksas

Izmantojiet failu sistēmas balstīto atmiņu, lai noņemtu kontekstu no pieprasījumiem, samazinot token izmantošanu un operatīvās izmaksas LLM balstītām lietotnēm.

Intencijas apzinātie asistenti

Integrējiet intencijas prognozi, lai agenti varētu paredzēt lietotāja vajadzības un iepriekš piedāvāt atbilstošus pasākumus vai informāciju.

Pielāgotu agentu izstrāde

Lietojiet atvērtā pirmkoda ietvaru, lai prototipētu un izvietotu pielāgotus agentu sistēmas ar pastāvīgu, struktūru atmiņu.

Plusi un mīnusi

Plusi

  • Ātra atgūšana, pārvietojoties pa koku līdzīgu atmiņas organizāciju
  • Augstāka precizitāte dēļ ierobežotas konteksta un precīza sarunu vai dokumentu izsekošana
  • Zemas token izmaksas, jo garās vēsturijas netiek atkārtoti ievietotas katrā pieprasījumā
  • Cilvēkiem lasāma atmiņas organizācija, kas ļauj pārskatīt un rediģēt

Mīnusi

  • Šobrīd konversācijas režīms netiek atbalstīts tikai dažiem aģentiem
  • Atbalsts uzņemšana netiek verificēta joprojām OpenClaw
  • Notiek ierobežots atbalsts tikai dažām operētīvās sistēmas un aģentiem
  • Varētu būt nepieciešama atkārtota mēģinājuma veikšana ar dažādiem modeliem, lai izdevotos iestatīšanās

Atsauksmes

4.8

Vidējais no 4 vērtējumiem.

5
3
4
1
3
0
2
0
1
0

Pieslēdzies, lai atstātu atsauksmi.

Liam O’Connor

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.

GE

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

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

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.

Jautājumi

Vai memU ir atvērtā koda, un kam tas vislabāk atbilst?

Jā, memU ir atvērtā koda. Tas vislabāk atbilst izstrādātājiem un komandām, kas veido proaktīvus, vienmēr aktīvus AI agentus, kuriem nepieciešama pastāvīga atmiņa, prognozēta intencijas apstrāde un efektīva žetonu izmantošana.

Asked by Tomáš Novák · Jun 23, 2025

Kā memU palīdz samazināt žetonu izmaksas?

memU izmanto failu sistēmas atmiņas pieeju kopā ar intencijas prognozēšanu, kas ļauj agentiem efektīvi saglabāt un izgūt kontekstu, nevis atkārtoti apstrādāt lielus uzvedus, tādējādi samazinot žetonu patēriņu turpmākajos agentu darbiņos.

Asked by Hiroshi Tanaka · Mar 27, 2025

Kas ir memU un kāds ir tā mērķis?

memU ir atvērtā koda, agentu atmiņas ietvars, izstrādāts 24/7 proaktīviem AI agentiem. Tas nodrošina atmiņu, kas balstīta uz failu sistēmu, intencijas prognozēšanu un paredzēts, lai samazinātu žetonu izmaksas garo laika periodu agentu darbināšanas procesā.

Asked by Carlos Mendoza · Mar 16, 2025

Uzdod jautājumu

Rīkīgi izstrādājamas AI Biedrības Frameworks alternatīvas