LangMem
框架记忆 SDK
优势
- 与 LangChain / LangGraph 的第一方集成
- 作为后台进程自动管理长期记忆
- 熟悉的 LangChain API 和抽象
- 开源 SDK，免费使用
- 非常适合已经在 LangGraph 上标准化的团队
局限性
- 紧密绑定于 LangGraph — 在该生态系统外的价值有限
- 以代码为先的 SDK；没有最终用户产品或 UI
- 对最终用户没有模型中立的可移植性（它服务于代理，而不是个人）
- 没有 Git 风格的记忆版本控制、分支或回滚
- 不是多模态文档平台（以消息/文本为中心）
完整记忆平台
MemoryLake
AI 记忆基础设施
优势
- 跨模型可移植性 — 通过 MCP 在 ChatGPT、Claude、Gemini 和编码代理之间共享一个记忆护照
- 端到端加密，用户拥有的数据 — 供应商无法读取
- Git 风格的版本控制 — 分支、提交、合并、回滚、不可变审计日志
- 多模态摄取 — PDF、Word、Excel、PowerPoint、Markdown、图片（D1 VLM 引擎）
- 跨会话和来源的自动冲突检测与解决
- 每个记忆的合规级来源
注意事项
- 托管服务 — 不是开源/自托管
- 比开源软件领导者的社区小的新进入者
功能逐项对比
| 功能 | LangMem | MemoryLake |
|---|---|---|
| 核心关注 | LangGraph 代理的记忆 SDK | 为使用多个 AI 的人和团队提供跨模型记忆 |
| 记忆范围 | 在 LangGraph 代理内 | 跨模型、跨会话、跨设备 |
| 可移植性 | 绑定于 LangGraph | 模型中立（通过 MCP） |
| 版本控制 | 不支持 | Git 风格（分支 / 提交 / 合并 / 回滚） |
| 来源 | 有限 | 完整的源追溯 + 审计日志 |
| 多模态摄取 | (文本 / 消息) | PDF · Word · Excel · PPT · Markdown · 图片 |
| 冲突处理 | 依赖框架 | 自动检测 + 解决 |
| 准确性 (LoCoMo) | 未发布 | 94.03% *(自我报告)* |
架构 比较
LangMem 在 *一个框架的运行时* 内优化记忆。MemoryLake 将记忆视为一个独立的、可移植的层，任何模型都可以读取——因此在您切换框架、模型或供应商时，它仍然存在。
LangMem 流水线
LangGraph 代理
后台记忆管理器
存储/更新
注入到 LangGraph 状态
MemoryLake 流水线
摄取（多模态，D1 VLM）
类型与结构
冲突检查与版本控制
存储（E2E 加密，用户拥有）
通过 MCP 服务于任何 AI
哪个适合你？
如果您选择 LangMem...
- 您的整个技术栈建立在 LangGraph 上
- 您希望在代理内部使用第一方、零配置的记忆
- 您是一位熟悉代码的开发者
- 您不需要记忆离开 LangGraph 运行时
- 开源和自我管理是必需的
选择 MemoryLake 如果……
- 您使用多个 AI，并希望在它们之间共享一个记忆
- 您需要记忆超越任何单一框架、模型或供应商
- 数据所有权和加密是不可谈判的
- 您希望对记忆进行 Git 风格的版本控制和审计跟踪
- 您处理文档（PDF/Office/图片），而不仅仅是聊天文本
- 您希望有一个现成的产品，而不是一个需要组装的 SDK
常见问题
MemoryLake 是 LangMem 的可信替代品吗？
是的，针对不同的需求。LangMem 是 LangGraph 内的记忆；MemoryLake 是一个独立的、模型中立的记忆层。如果您想要不绑定于一个框架的记忆，MemoryLake 是更可移植的选择。
核心区别是什么？
LangMem 服务于单一代理框架。MemoryLake 服务于每个 AI 之间的 *个人*，增加了所有权、版本控制和多模态文档。
我可以在不同的 AI 模型之间使用 MemoryLake 吗？
可以 — 它是模型中立的，通过 MCP 服务器暴露给任何 AI 应用。
我拥有并控制我的数据吗？
是的 — 端到端加密且用户拥有；即使是 MemoryLake 也无法读取。随时导出或删除。
我可以同时使用 LangMem 和 MemoryLake 吗？
可以 — 许多团队保留 LangMem 用于框架内的运行时记忆，并使用 MemoryLake 作为持久的、跨模型的记录记忆。
MemoryLake 支持多模态文档吗？
是的 — 通过 D1 VLM 引擎支持 PDF、Word、Excel、PowerPoint、Markdown 和图片。
如果我在 LangGraph 上，LangMem 更好吗？
对于纯粹在 LangGraph 内的运行时记忆，LangMem 是方便的。对于可移植性、所有权和版本控制，MemoryLake 增加了 LangMem 所没有的功能。
MemoryLake 的准确性是如何测量的？
在 LoCoMo 上为 94.03%（自我报告）；请求发布的方法以进行复现。---