在使用 ChatGPT、Claude 或本地 LLM 时，我们常见一个痛点：
对话结束就什么都忘了。
不管你讲了多少偏好、资料、习惯、背景信息——下一次对话，它又是一个新的 AI。
但如果我们想做一个真正的 AI 助理、AI Agent、知识管理系统，就必须让模型能记住东西。
这正是 Memori（GibsonAI/Memori） 想要解决的问题。
Memori 是什么？一句话概括
Memori 是一个开源的“AI 长期记忆系统（Long-Term Memory System）”，
让大模型能自动提取、存储、管理和调用记忆。
它让模型更像一个“有记忆的大脑”，而不是一次性对话的工具。
为什么需要它？
传统 LLM 的限制：
- 不会主动保存对话信息
- 历史记录关掉就全忘
- 无法跨会话记住你的偏好
- 上下文窗口有限，经常“遗忘前文”
Memori 提供的能力：
- 自动识别“重要信息”并写入记忆
- 长期保存你的事实、习惯、偏好
- 回答问题时自动召回相关记忆
- 对旧记忆进行“时间衰减管理”
- 支持文本 + 图片 + 视频 + 音频
它等于一个 AI 记忆管理器 + 多模态知识库 + 记忆检索系统。
Memori 的核心特点
1. 自动提取记忆（Memory Extraction）
它会从输入中自动抽取：
- 你的个人偏好
- 事实类信息
- 时间事件
- 意图、关系
- 图片/视频的内容
就像人类在对话时会自动抓“重点”。
2. 自动写入记忆库
Memori 会给每条记忆打上：
- 时间戳
- 标签（如偏好 / 事件 / 事实）
- 概要摘要
- 优先级与“新鲜度”权重
底层使用向量数据库（如 PGVector / Chroma / Milvus）。
3. 自动检索 + 自动补全上下文
当 LLM 需要回答问题时，它会：
- 自动搜索相关记忆
- 作为“额外上下文”补给模型
- 让回答更连贯、持续、个性化
和普通 RAG 不同，Memori 是“长期学习型”的。
4. 多模态支持
它不仅能记住文本，还能记住：
- 图像内容（OCR + 图像 embedding）
- 视频帧、动作信息
- 音频内容（语音转文本 + embedding）
这让它非常适合做数字人、教育助理或监控分析等应用。
可以用来做什么？
1）做一个真正的私人 AI 助理
- 记住你喜欢喝什么
- 记住你的工作计划
- 记住你的学习进度
- 记住你过去读过的文章
- 记住你关心的话题和人际关系
比 ChatGPT 的 Memory 功能更强、更开放。
2）为智能 Agent 加入长期记忆
适合你常做的：
- Telegram Bot
- WordPress 自动化工作流
- Cloudflare Worker + Webhook 机器人
- Dify + 外部数据库
- 自动写博客 / 总结文档 / 知识管道
让 Agent 不再是“一次性工具”。
3）知识库系统（AI PKM）
Memori 可以持续吸收：
- 你的 PDF
- 你的笔记
- 你的网页剪藏
- 你的对话记录
构建一个属于你的“第二大脑”。
项目架构（简述）
Memori 大致由三层组成：
- 抽取层：LLM 从输入中抽关键信息
- 存储层：向量数据库保存记忆 + 标签
- 检索层：自动找回记忆并注入上下文
整个系统可以挂在 Docker、Cloudflare、自托管服务器。
GitHub：https://github.com/GibsonAI/Memori
油管：https://youtu.be/nqv9VeANaSw
