Memori
开发者记忆基础设施
优势
- 将记忆视为结构化、可查询的数据——模式、约束和历史
- 由您已经信任的关系型数据库（Postgres / MySQL）支持
- 与模型无关的层，适用于跨模型
- 将代理执行和对话转变为持久的、可审计的状态
- 开源；是对模糊向量记忆的有意替代
局限性
- 开发者基础设施——没有最终用户产品或 UI
- 您管理模式和数据库操作
- 以关系型/文本为中心——不是多模态文档平台
- 没有针对*个人*的模型中立记忆层（它服务于应用）
- 历史存在，但没有 Git 风格的分支/合并/回滚
完整记忆平台
MemoryLake
AI 记忆基础设施
优势
- 通过 MCP 实现 ChatGPT、Claude、Gemini 和编码代理的跨模型可移植性
- 端到端加密，用户拥有的数据
- Git 风格的版本控制——分支、提交、合并、回滚、审计日志
- 多模态摄取——PDF、Word、Excel、PowerPoint、Markdown、图像（D1 VLM）
- 自动冲突检测与解决
- 合规级来源
注意事项
- 托管服务——不是开源/自托管
- 作为新进入者，其社区规模小于开源软件领导者
功能逐项对比
| 功能 | Memori | MemoryLake |
|---|---|---|
| 核心关注 | 为代理提供结构化 SQL 记忆 | 为使用多种 AI 的个人和团队提供跨模型记忆 |
| 记忆范围 | 每个代理 / 每个应用（关系型） | 跨模型、跨会话、跨设备 |
| 可移植性 | 通过 SDK 与 LLM 无关 | 模型中立（通过 MCP） |
| 版本控制 | 历史（非 Git 风格的分支/合并） | Git 风格（分支 / 提交 / 合并 / 回滚） |
| 来源 | 结构化 / 可审计 | 完整的来源可追溯性 + 审计日志 |
| 多模态摄取 | (关系型 / 文本) | PDF · Word · Excel · PPT · Markdown · 图像 |
| 冲突处理 | 模式 / 约束（部分） | 自动检测 + 解决 |
| 准确性 (LoCoMo) | — | 94.03% *(自我报告)* |
架构 比较
两者都拒绝“模糊的向量文本”，而选择结构化、可审计的记忆。Memori 将其作为开发者操作的 SQL 层提供。MemoryLake 将其作为一个拥有的产品提供——具有文档、分支版本和跨模型服务。
Memori 流程
代理执行 / 对话
结构化为模式
存储在关系型数据库 (Postgres/MySQL)
查询
MemoryLake 流程
摄取（多模态，D1 VLM）
类型与结构
冲突检查与版本控制
存储（端到端加密，用户拥有）
通过 MCP 服务任何 AI
哪个适合你？
如果您选择 Memori ...
- 您希望将记忆作为可以用 SQL 查询的结构化行
- 您已经运行 Postgres / MySQL 并希望重用它
- 您是重视模式和约束的开发者
- 开源和自我管理是必要的
- 您的记忆是对话/状态，而不是文档
选择 MemoryLake 如果……
- 您使用多个 AI 并希望一个共享的、可移植的记忆
- 您处理文档（PDF/Office/图像），而不仅仅是关系状态
- 您希望在记忆上进行 Git 风格的分支、合并和回滚
- 数据所有权和加密是不可谈判的
- 您希望一个现成的产品，而不是一个需要操作的数据库
- 您希望冲突检测由系统处理
常见问题
MemoryLake 是 Memori 的可信替代品吗？
是的。两者都重视结构化、可审计的记忆；MemoryLake 增加了最终用户的可移植性、多模态文档和作为托管产品的 Git 风格版本控制。
核心区别是什么？
Memori 是开发者运行的 SQL 记忆层。MemoryLake 是一个拥有的、模型中立的记忆平台，适用于个人和团队。
我可以在不同模型之间使用 MemoryLake 吗？
可以——通过 MCP 服务器实现模型中立。
我拥有我的数据吗？
是的——端到端加密且用户拥有；即使是 MemoryLake 也无法读取。
我可以从 Memori 迁移到 MemoryLake 吗？
您可以在 MemoryLake 中重新创建项目和记忆，并通过 MCP 提供它们，而无需自己操作数据库。
MemoryLake 支持文档吗？
是的——通过 D1 VLM 引擎支持 PDF、Word、Excel、PowerPoint、Markdown 和图像。
如果我想要 SQL 控制，Memori 更好吗？
如果您特别希望在自己的关系型数据库中拥有和查询记忆，Memori 是专门构建的。对于可移植性、文档和版本控制，MemoryLake 提供了更多。
如何测量准确性？
在 LoCoMo 上为 94.03%（自我报告）；请求复现的方法论。---