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

4.8 (4)

Pārskatījis Daniel Nikulshyn·Atjaunināts 2026. g. jūlijs

Open Source AI Agents Memory Framework Developer Tools Agentic AI Automation LLM

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
Kategorija: AI Agent Development Frameworks
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

Atsauksmes

4.8

Vidējais no 4 vērtējumiem.

Pieslēdzies, lai atstātu atsauksmi.

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.

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

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

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

How does memU help lower token costs?

memU uses a file-system memory approach combined with intention prediction, which lets agents store and retrieve context efficiently rather than reprocessing large prompts—helping reduce the tokens consumed during ongoing agent operations.

Is memU open source, and who is it best suited for?

Yes, memU is open-source. It is best suited for developers and teams building proactive, always-on AI agents that need persistent memory, predictive intent handling, and cost-efficient token usage.

What is memU and what is it designed for?

memU is an open-source agentic memory framework built for 24/7 proactive AI agents. It provides file-system-based memory, intention prediction, and is designed to reduce token costs in long-running agent workflows.