# Memori 分层语义记忆引擎：自动去重紧凑与多代理同步实践 > 剖析 Memori 开源引擎的分层存储架构，支持 LLM 代理长时记忆持久化，通过 Conscious Agent 实现语义去重紧凑、多代理 namespace 同步的工程参数与监控要点。 ## 元数据 - 路径: /posts/2025/12/02/memori-hierarchical-memory-engine/ - 发布时间: 2025-12-02T08:47:16+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 Memori 作为开源 SQL 原生记忆引擎，通过分层存储架构（短期工作记忆与长期记忆）与多代理协作，实现 LLM 和 AI 代理的长时记忆持久化，避免传统向量数据库的高成本与黑箱问题。其核心优势在于语义去重与紧凑机制，能自动提炼本质信息，同时支持多代理场景下的同步，确保跨会话与跨代理上下文一致性。 ### 分层存储架构：短期 vs 长期记忆 Memori 的数据库 schema 明确划分了 short_term_memory（短期记忆表）和 long_term_memory（长期记忆表）。短期记忆存储高频、近期或高重要性对话摘要，用于快速注入；长期记忆则保留完整处理后的实体、关系与推理，用于深度检索。这种分层设计模仿人类记忆机制：短期记忆容量有限（默认 5-10 条），长期记忆则通过 FTS（全文搜索）索引支持海量扩展。 证据显示，short_term_memory 字段包括 importance_score、frequency_score、recency_score 等复合评分，确保注入内容精炼。“Conscious Agent 每 6 小时分析长期记忆模式，将本质对话提升至短期存储。” 长期记忆则关联 chat_history、memory_entities（实体表）和 memory_relationships（关系表），支持复杂查询如实体关联检索。 落地参数： - **数据库初始化**：使用 `database_connect="sqlite:///my_memory.db"` 本地测试；生产 PostgreSQL `postgresql://user:pass@host/memori`，启用连接池 `pool_size=20`。 - **表优化**：自动创建 FTS 虚拟表 `memory_fts`，索引 `idx_memory_importance ON long_term_memory(importance_score DESC)`，查询延迟 <50ms。 - **记忆阈值**：短期记忆 `expires_at` 设置 7 天；长期 `retention_policy="30_days"` 自动清理低分记录（importance_score < 0.5）。 ### 语义去重与紧凑：Conscious Agent 驱动 Memori 的自动去重不依赖 embedding，而是通过代理智能分析实现语义紧凑。Memory Agent 先处理对话，提取实体并分类（facts、preferences、skills、rules）；Conscious Agent 则批量扫描长期记忆，基于模式识别（如重复实体）进行去重与摘要生成，仅保留高价值片段提升至短期。 例如，在多轮对话中，重复提及“FastAPI 项目”会被紧凑为单一 summary：“用户偏好 FastAPI 框架，用于用户管理接口。” 这避免了 token 浪费，节省 80-90% 上下文成本。 可落地清单： 1. 启用 `conscious_ingest=True`，触发背景分析：`memori.trigger_conscious_analysis()` 手动运行。 2. 代理模型：`default_model="gpt-4o-mini"`，API 密钥环境变量 `MEMORI_AGENTS__OPENAI_API_KEY`。 3. 去重规则：自定义 `retention_type` 过滤 `category="facts"` 优先级 >0.7；监控 `copied_count` 日志，确保 >80% 成功率。 4. 紧凑参数：`limit=5` 短期注入条数；复合评分公式 `score = 0.4*importance + 0.3*frequency + 0.3*recency`，阈值 0.6 以上推广。 风险控制：代理失败时降级至基本 FTS 搜索；异常重连指数退避（初始 1s，max 60s）。 ### 多代理同步：Namespace 与检索隔离 多代理系统（如 CrewAI、AutoGen）需共享记忆而不冲突，Memori 通过 namespace 和 user_id 实现隔离同步。每个代理/用户有独立命名空间，Retrieval Agent 在 auto_ingest 模式下动态搜索全库，但过滤 `namespace="production"`。 架构中，`DatabaseManager.search_memories(query, namespace, limit=5)` 支持语义 + 分类 + LIKE 多阶段搜索，rerank 后注入 top 3-5 条。FastAPI 多用户示例展示：`/chat/{user_id}` 路由隔离记忆，确保代理间同步如“代理 A 学到技能，代理 B 立即检索”。 工程参数： - **同步配置**：`MEMORI_MEMORY__NAMESPACE="multi-agent-team"`；多用户 `session_id` + `user_id` 复合键。 - **检索策略**：阶段 1 FTS (score=1.0)；阶段 2 分类 (0.6)；阶段 3 LIKE (0.4)；最终 `_rank_results` 限 5 条，token <250。 - **监控点**：Prometheus 指标 `memory_growth` (DB 大小)、`search_latency` (<100ms)、`context_effectiveness` (响应质量提升 2x)。 - **回滚策略**：`auto_ingest=False` 纯 conscious 模式；缓存失效 TTL 5min。 ### 生产部署清单 1. **集成**：`pip install memorisdk`，`memori = Memori(conscious_ingest=True, auto_ingest=True); memori.enable()`。 2. **性能调优**：批量存储 `batch_size=100`；异步代理 `async def process()`。 3. **安全**：RBAC 访问 `namespace`；加密敏感实体 `metadata JSON`。 4. **扩展**：Neon/Supabase 云 DB；自定义 Agent 继承 `BaseAgent`。 Memori 的分层 + 代理设计，使长时记忆从“存储”转向“智能管理”，适用于代理密集场景。实际部署中，结合日志监控 importance_score 分布，确保 90% 查询命中率。 **资料来源**： - [GitHub Memori Repo](https://github.com/GibsonAI/Memori) - [Architecture Docs](https://memorilabs.ai/docs/open-source/architecture) ## 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。