Memori：让LLM真正记住对话的Python记忆引擎

作为一个被Spring Boot、MyBatis和各种Java中间件“宠坏”的后端老码农，看到这个叫 Memori 的 Python 项目时，我第一反应是：“哦？又一个 AI 记忆库？”但仔细一看，发现它还真有点东西。

让大模型真正记住你

简单说：让 LLM 能记住你上次聊了啥。我们知道，大模型本身是无状态的——你跟它聊完“我喜欢蓝色”，下一句问“我最喜欢的颜色是什么”，它大概率会一脸懵。

Memori 就是来解决这个问题的：它像一个智能记事本，自动把对话中的关键信息提取出来，存成结构化的“记忆”，下次调用模型时自动注入上下文。

这在构建 AI Agent、多轮对话系统或个性化推荐场景中特别有用。比如客服机器人记住用户偏好，或者企业知识助手记住员工的历史查询。

零侵入的乐高式架构

Memori 最让我眼前一亮的是它的 “零侵入”设计。你只需要在初始化 OpenAI 客户端后加一行：

mem = Memori().openai.register(client)

然后正常调用 client.chat.completions.create()，Memori 就会在后台默默记录、提取、存储、召回。整个过程对原有代码几乎无改动——这简直是我这种讨厌重构的老 Java 人的福音！

更牛的是，它不绑定任何 LLM 或数据库。支持 OpenAI、Anthropic、Gemini、Grok 等主流模型，数据库方面从 SQLite 到 PostgreSQL、MongoDB、CockroachDB 全都兼容，甚至支持 Django 和 SQLAlchemy。

另外，它提出的 “三级记忆模型”（entity + process + session）也很有想法。相当于给记忆打上了“谁”、“在哪”、“什么时候”的标签，比单纯的时间线更结构化，也更适合复杂 Agent 系统。

上手容易，但要注意细节

上手难度极低。pip install memori + 几行配置就能跑起来，官方 Quickstart 示例清晰明了。对于 Python 开发者来说，几乎是开箱即用。

不过要注意两点：

1. 必须显式设置 attribution（entity_id 和 process_id），否则它不会记录任何东西——这点文档里强调了，但新手容易忽略。
2. 高级增强功能（Advanced Augmentation）有免费额度限制。虽然基础记忆功能完全开源免费，但如果要用它自动提取“偏好”、“关系”、“技能”等深层语义，超出 quota 后需要注册 API key（好在开发者免费）。

Java老兵的感慨

坦白说，如果这是个 Java 项目，我会更兴奋。但 Memori 的设计哲学其实值得所有语言借鉴：解耦、可插拔、最小侵入。我在想，能不能用 Spring AOP + Redis + LangChain4j 搞个 Java 版？（手动狗头）

目前来看，Memori 非常适合快速构建带记忆能力的 AI 应用原型，尤其适合初创团队或个人开发者。生产环境使用的话，建议先评估其内存/数据库负载，以及高级功能的依赖风险。

在 LLM 时代，记忆力才是智能的护城河。