Memoria
记忆完整性层（开源）
优势
- Git-for-Data 基础：隔离、审查、合并或回滚每个记忆更改
- 数据库原生一致性；减少幻觉，确保数据完整性
- 开源（GTC 2026），即将推出 Memoria Cloud 管理选项
- 非常适合将记忆视为关键、可审计状态的团队
- 在版本控制 + 完整性方面的清晰、专注定位
局限性
- 面向开发者 / 数据库的基础设施；没有最终用户产品或 UI
- 集中于版本控制 + 完整性原语，而不是完整的记忆平台
- 不是多模态文档平台
- 没有模型中立的无代码可移植层
- 较年轻的项目；生态系统较小
完整记忆平台
MemoryLake
AI 记忆基础设施
优势
- Git 风格版本控制——分支、提交、合并、回滚，不可变审计日志
- 通过 MCP 在 ChatGPT、Claude、Gemini 和编码代理之间的跨模型可移植性
- 端到端加密，用户拥有的数据
- 多模态摄取——PDF、Word、Excel、PowerPoint、Markdown、图片（D1 VLM）
- 自动冲突检测与解决 + 合规级来源
- 无代码产品加上已发布的 LoCoMo 基准
注意事项
- 管理服务——不是开源 / 自托管
- 较新的参与者，社区规模小于开源领导者
功能逐项对比
| 功能 | Memoria | MemoryLake |
|---|---|---|
| 核心关注 | 版本控制的记忆完整性（Git-for-Data） | 面向个人和团队的跨模型记忆产品 |
| 记忆范围 | 每个代理 / 数据库状态 | 跨模型、跨会话、跨设备 |
| 可移植性 | 通过集成 | 模型中立（通过 MCP） |
| 版本控制 | Git-for-Data（其核心） | Git 风格（分支 / 提交 / 合并 / 回滚） |
| 来源 | 完整性 / 血统 | 完整的来源可追溯性 + 审计日志 |
| 多模态摄取 | 不支持 | PDF · Word · Excel · PPT · Markdown · 图片 |
| 交付 | OSS 基础设施（+ 新兴云） | 可管理的无代码产品 |
| 准确性（LoCoMo） | — | 94.03% *(自我报告)* |
架构 比较
两者都将记忆视为需要版本化和审计的内容——一种真正共享的理念。Memoria 将其作为开发人员运行的开源完整性层提供。MemoryLake 将相同的 Git 风格版本控制融入到一个可管理的、跨模型的、文档感知的产品中，任何人都可以使用。
Memoria 流水线
记忆更改
隔离（分支）
审查
合并 / 回滚（数据库原生一致性）
版本存储
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（端到端加密，用户拥有）
通过 MCP 服务于任何 AI
哪个适合你？
如果您选择 Memoria...
- 记忆完整性和版本控制是您最大的需求
- 您是一名开发者，能够运行开源 / 数据库层
- 您希望像代码一样隔离、审查和合并记忆更改
- 自托管（或早期的 Memoria Cloud）适合您的技术栈
- 您不需要多模态文档或最终用户 UI
选择 MemoryLake 如果……
- 您希望 Git 风格的版本控制 *加上* 跨模型可移植性和文档
- 您使用多个 AI 并希望拥有一个共享的、拥有的记忆
- 您希望一个可管理的无代码产品，而不是操作基础设施
- 数据所有权和加密是不可谈判的
- 您需要一个已发布的准确性基准
- 您希望冲突检测由系统处理
常见问题
MemoryLake 是 Memoria 的替代品吗？
是的——两者都版本化记忆，但 MemoryLake 将其作为一个可管理的跨模型产品提供，而不是自托管的完整性层。
它们都做 "Git for memory"——有什么不同？
Memoria 的产品 *就是* 版本控制层。在 MemoryLake 中，Git 风格的版本控制是跨模型可移植性、多模态摄取和所有权等功能之一。
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 Memoria 迁移到 MemoryLake 吗？
可以——在 MemoryLake 中重新创建项目和记忆，并保持相同的分支/提交工作流程，而无需运行数据库。
MemoryLake 支持文档吗？
是的——通过 D1 VLM 引擎支持 PDF、Word、Excel、PowerPoint、Markdown 和图片。
Memoria 更适合纯版本控制需求吗？
如果您唯一的需求是自托管的版本控制记忆原语，Memoria 是专门构建的。对于一个完整的产品，MemoryLake 提供了更多。
准确性是如何衡量的？
在 LoCoMo 上为 94.03%（自我报告）；请求方法以进行复现。---