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 PostgreSQLpostgresql://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：
- 启用
conscious_ingest=True，触发背景分析：memori.trigger_conscious_analysis()手动运行。 - 代理模型：
default_model="gpt-4o-mini"，API 密钥环境变量MEMORI_AGENTS__OPENAI_API_KEY。 - 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。 - 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
- 集成：
pip install memorisdk，memori = Memori(conscious_ingest=True, auto_ingest=True); memori.enable()。 - 性能调优：批量存储
batch_size=100；异步代理async def process()。 - 安全：RBAC 访问
namespace；加密敏感实体metadata JSON。 - 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：