# Memori：LLM 代理记忆引擎构建指南 > 一行代码集成 Memori，为 LLM 和代理构建 SQL 原生持久记忆，支持语义检索、多代理共享及长程上下文管理，提供工程化参数与落地清单。 ## 元数据 - 路径: /posts/2025/11/26/memori-llm-agent-memory-engine/ - 发布时间: 2025-11-26T00:03:30+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在构建 LLM 代理系统时，长程上下文管理和状态持久化是核心挑战。传统方法依赖昂贵的向量数据库或复杂缓存，Memori 则以 SQL 原生方式解决，提供一行代码集成、一键持久记忆。Memori 通过拦截 LLM 调用，实现预注入上下文和后提取存储，支持 OpenAI、Anthropic、LangChain 等框架，使用 SQLite、PostgreSQL 等标准数据库，确保零供应商锁定和 80-90% 成本节省。 ### Memori 核心集成与配置参数 Memori 的启动极其简洁：`from memori import Memori; memori = Memori(); memori.enable()`。这行代码自动拦截所有 LLM 客户端调用，如 OpenAI 的 `client.chat.completions.create`。关键参数包括： - **database_conn**：数据库连接字符串，例如 `sqlite:///my_memory.db` 或 `postgresql://user:pass@localhost/memori`。推荐生产环境用 PostgreSQL，支持高并发和全文搜索索引。 - **conscious_ingest=True**：启用“意识模式”，实现短期工作记忆一键注入。Memori 会从数据库检索最近交互，优先注入高相关实体（如用户偏好、项目上下文）。 - **auto_ingest=True**：启用“自动模式”，每查询动态搜索相关记忆，避免上下文过载。结合使用时，意识模式处理即时上下文，自动模式补足历史深度。 - **openai_api_key**：LLM 后端 API 密钥，支持环境变量注入，避免硬编码。 使用 ConfigManager 进一步优化：`config = ConfigManager(); config.auto_load()`，从环境变量加载如 `MEMORI_DATABASE_CONNECTION_STRING` 和 `MEMORI_MEMORY_NAMESPACE="production"`，实现多租户隔离。 落地清单： 1. 安装：`pip install memorisdk`（Python 3.8+）。 2. 初始化客户端：`client = OpenAI(); memori.enable()`。 3. 第一轮对话：用户输入“构建 FastAPI 项目”，Memori 记录实体（FastAPI、项目）。 4. 后续对话：“添加认证”，Memori 自动注入“FastAPI 项目”上下文，LLM 无缝续接。 此机制确保代理“记住”跨会话状态，例如个人助理记住用户 FastAPI 偏好，而无需手动提示工程。 ### 语义向量存储与关联检索机制 Memori 不依赖外部向量库，而是 SQL 内置全文搜索和实体关系映射。架构分为三阶段： 1. **Pre-Call 检索**：拦截调用前，Retrieval Agent（自动模式）或 Conscious Agent（意识模式）查询数据库。检索优先级：实体匹配 > 语义相似 > 时间衰减。注入上下文限制在 4K-8K token，避免幻觉。 2. **Post-Call 提取**：Memory Agent 解析响应，分类存储为 facts（事实）、preferences（偏好）、skills（技能）、rules（规则）、context（上下文）。例如，“用户喜欢 FastAPI”存为 preference 实体，与“认证模块”关联。 3. **背景处理**：每 6 小时，Conscious Agent 分析模式，促进长期记忆（如将临时事实升级为规则）。 更新/遗忘机制内置：新交互覆盖旧实体（时间戳优先）；遗忘通过 TTL（默认 30 天，可调 `memory_ttl_hours=720`）或手动 `memori.forget(entity_id)`。多代理共享：通过 namespace 分隔，如 CrewAI 示例中，多个代理共享“团队项目”内存空间。 参数优化： - **检索 Top-K**：默认 5，调至 3 减 token 消耗。 - **上下文温度阈值**：`context_relevance_threshold=0.7`，低于阈值记忆不注入。 - **批量注入大小**：`max_context_chunks=4`，每 chunk 512 token。 ### 多代理共享内存与状态管理 Memori 天然支持多代理场景，如 AutoGen、CrewAI、Swarms。示例：FastAPI 多用户应用中，每个用户 ID 映射独立 namespace，代理间通过共享 namespace 协作。 工程化落地： - **隔离策略**：`memori = Memori(memory_namespace=f"user_{user_id}")`，防止跨用户泄露。 - **共享机制**：群聊代理用 `group_namespace="team_project"`，检索时融合多源记忆。 - **状态同步**：背景任务每 10 分钟同步（`sync_interval=600`），支持分布式部署。 监控要点： - **SQL 查询延迟**：<50ms，PostgreSQL 加 GIN 索引全文搜索。 - **Token 消耗**：日志 `memori_injected_tokens`，警报 >2K/调用。 - **记忆饱和**：监控表行数，>10万 触发压缩（删除低频实体）。 - **回滚策略**：测试环境用 SQLite 快照；生产双写主从，失败回滚。 ### 性能与扩展参数清单 生产部署参数汇总： | 参数 | 默认值 | 推荐生产值 | 作用 | |------|--------|------------|------| | conscious_ingest | False | True | 短期记忆注入 | | auto_ingest | False | True | 动态检索 | | max_context_length | 8192 | 4096 | Token 上限 | | relevance_threshold | 0.5 | 0.7 | 注入阈值 | | background_interval | 21600s | 3600s | 分析周期 | | memory_ttl_days | 30 | 90 | 遗忘周期 | 成本估算：SQLite 单实例 <1$/月；PostgreSQL Neon/Supabase 免费阶梯足 1000 用户。相比 Pinecone 等，节省 80%。 实际案例：个人日记 demo 中，Memori 追踪情绪模式，检索“过去一周心情”历史；研究员代理融合 web 搜索与记忆，避免重复。 Memori v3 即将支持企业级内存织物，但当前版已足代理生产。通过这些参数与机制，开发者可快速构建可靠长程记忆系统，提升代理智能与稳定性。 **资料来源**： [1] GitHub Memori 仓库：一行代码启用持久记忆，支持 SQL 存储与多框架集成。[https://github.com/GibsonAI/Memori](https://github.com/GibsonAI/Memori) [2] 官方文档：详细架构与示例。[https://memorilabs.ai/docs](https://memorilabs.ai/docs) ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。