这是一个专注于大语言模型（LLM）长期记忆（Long-term Memory）实现的精选列表，覆盖从底层检索/存储范式、记忆层系统、Agent 记忆工具，到多模态一致性、训练与对齐的完整生态。
- Mem0g 图谱版落地：Mem0 在向量记忆之外推出图谱版 Mem0g，强化实体关系推理与跨会话记忆整合。
- 叙事增强：针对长篇写作与叙事连贯性的专项记忆算法与工具逐渐成熟，覆盖人物弧线、情节线与情感弧跟踪。
- MCP 生态扩张：涌现大量支持 Cursor、Claude Desktop、OpenClaw 等宿主的本地优先记忆插件，记忆能力正从"云端托管"走向"本地可私有化"。
- 架构层记忆：Titans 等神经长期记忆模块让"记忆"从外部检索进一步下探到模型架构与测试时学习。
理解下面各项目的定位，需要先把记忆技术的发展脉络理清。以下按时间顺序列出经过验证的关键里程碑（年份/机构以原始论文为准）。
- RAG（检索增强生成，Meta/FAIR，2020，arXiv 2005.11401）：检索 + 生成范式，被视为 LLM 参数外记忆的基础。把"知识"放在外部语料里，按需检索注入上下文。
- Generative Agents（斯坦福，Park 等，2023，arXiv 2304.03442）：25 个 AI agent 组成的小镇，提出"记忆流（memory stream）+ 检索 + 反思（reflection）"三件套，是 Agent 记忆设计的经典原型。
- MemoryBank（Zhong 等，2023，arXiv 2305.10250，AAAI 2024）：受艾宾浩斯遗忘曲线启发，对记忆做衰减与强化，配套 LoCoMo 长程对话记忆评测集。
- LongMem（Wang 等，2023，arXiv 2306.07174，NeurIPS 2023）：冻结主干 LLM 作记忆编码器，配合 Residual SideNet 与缓存记忆库，实现长时记忆。
- MemGPT / Letta（UC Berkeley，Packer 等，2023，arXiv 2310.08560）：把操作系统虚拟内存思想用于 LLM，将上下文分层为主上下文/外部存储，用工具调用做"虚拟上下文管理"。团队后续成立 Letta 公司延续开源项目。
- ReadAgent（Google DeepMind，2024）：模拟人类阅读，将长文分页（pagination）并用 gist memory 压缩要点，属于情景式记忆框架。
- GraphRAG（Microsoft，2024，arXiv 2404.16130）：从非结构化文本抽取实体关系构建知识图谱，并对社区做摘要，提升复杂/全局问答的检索增强。
- HippoRAG（OSU-NLP-Group 与 Stanford 等，2024，arXiv 2405.14831，NeurIPS 2024）：受海马体索引理论启发，协同 LLM、知识图谱与个性化 PageRank 实现类长期记忆的多跳检索。
- Memory3 / 显性记忆（BAAI 智源研究院等，2024，arXiv 2407.01178）：把知识外挂为稀疏注意力 KV 记忆模块，与参数记忆、工作记忆并列成为"第三种记忆"。
- Mem0（Mem0 团队，2025，arXiv 2504.19413）：面向生产级 AI agent 的可扩展长期记忆层，含向量版 Mem0 与图谱版 Mem0g，论文称在 LLM-as-Judge 评测上优于 OpenAI 记忆方案且更省 token。
- A-MEM（Xu 等，2025，arXiv 2502.12110）：受卢曼 Zettelkasten 卡片盒笔记法启发，以动态索引/链接实现 agent 自主演化的结构化记忆，与 Zep/Graphiti 路线同类但独立。
- Titans（Google，2024-12，arXiv 2412.01427，NeurIPS 2025）：提出"神经长期记忆（neural long-term memory）"模块，以"惊奇度"驱动、支持 test-time training/learning，将 RNN 式记忆与注意力结合处理超长上下文。
演进主线：外部检索（RAG）→ Agent 记忆流与反思（Generative Agents / MemGPT）→ 记忆压缩与图谱化（ReadAgent / GraphRAG / HippoRAG / Memory3）→ 生产级记忆层（Mem0 / A-MEM / Zep）→ 架构内神经长期记忆（Titans）。记忆正从"提示词里塞资料"走向"模型自身学会记住"。
这类项目提供逻辑复杂的记忆管理，支持多用户、多会话、自动摘要与知识提取。
| 名称 | GitHub 网址 | 类型 | 存储类型 | 特点 |
|---|---|---|---|---|
| Mem0 | mem0ai/mem0 | 托管/开源 | 图形 + 向量 | 智能记忆层，含向量版 Mem0 与图谱版 Mem0g，支持跨用户/会话记忆。 |
| Memobase | memodb-io/memobase | 开源 | Profile-based | 专注于事件演化与人物画像的长期记忆管理。 |
| Graphiti | getzep/graphiti | 开源 | 时序知识图谱 | Zep Core 开源版，专注随时间演变的动态关联知识存储。 |
| LangMem | langchain-ai/langmem | 开源 | 向量 + 属性 | LangChain 官方长期记忆，自动提取、整合并更新知识。 |
| Zep AI | getzep/zep | 托管/开源 | 图形 + 向量 | 聊天记忆平台，提供情感分析与深度总结功能。 |
| Letta | letta-ai/letta | 托管/开源 | 分层存储 | 原 MemGPT，将记忆视为操作系统的多级缓存（RAM/Disk）。 |
| SimpleMem | aiming-lab/SimpleMem | 开源 | 多模态 | 终身记忆层，支持跨对话的项目历史记忆，含多模态能力。 |
适合个人开发者、单机 Agent 或集成到特定办公流程的项目。
| 名称 | GitHub 网址 | 类型 | 特点 |
|---|---|---|---|
| NovelGenerator | KazKozDev/NovelGenerator | 多代理 | 跟踪人物视角、情节线与情感弧，适合生成完整小说。 |
| AgentCortex | sage-hq/agentcortex-mcp | MCP | 原生 MCP 记忆系统，支持 Cursor 和 Claude Desktop。 |
| Basic Memory | basicmachines-co/basic-memory | MCP/SQLite | 基于 SQLite 与 Markdown，极其隐私友好，适合本地知识库。 |
| Nano-GraphRAG | gusye1234/nano-graphrag | 本地优化 | 极轻量级 GraphRAG 实现，适合资源受限环境。 |
| SimpleMem | aiming-lab/SimpleMem | 开源 | 终身记忆层，支持跨对话的项目历史记忆。 |
| Supermemory | supermemoryai/supermemory | 云原生 | 基于 Cloudflare 生态，构建分布式的个人 AI 记忆大脑。 |
| Khoj | khoj-ai/khoj | 多端 | 个人 AI 副驾驶，深度集成 Markdown 文档与笔记。 |
深度集成了长期记忆管理能力的通用 AI 开发框架。
| 名称 | GitHub 网址 | 核心能力 |
|---|---|---|
| LlamaIndex | run-llama/llama_index | 提供 Property Graph Index 和多种叙事增强的索引模式。 |
| LangChain | langchain-ai/langchain | 内置多种 Memory 组件，支持与各类向量库无缝对接。 |
为上述记忆层提供物理支撑的基础数据库。
| 分类 | 推荐项目 | 核心能力 |
|---|---|---|
| 向量数据库 | Chroma, Milvus, Qdrant, Weaviate | 高效的语义相似度搜索与混合检索。 |
| 图数据库 | Neo4j | 复杂的实体关系推理与深度关联分析。 |
- 从小处着手：建议初学者从向量数据库开始。除非业务需要（如复杂的情节线推理），否则避免过早引入复杂的图谱结构。
- 长篇叙事（Storytelling）：
- 优先使用 Mem0 或 NovelGenerator 跟踪人物弧线。
- 策略建议：先生成并存储章节摘要，在生成新章节前检索摘要以保证连贯性。
- 生态兼容性：
- OpenClaw（原 Clawdbot）等个人助手用户，建议使用提供成熟 SDK 的 Mem0 或 Letta。
- 隐私敏感：本地 Agent 首选 Basic Memory 或 AgentCortex。
专注于在训练阶段或架构层面提升 LLM 记忆能力的先进研究。
| 名称 | GitHub 网址 | 焦点内容 |
|---|---|---|
| Titans | google-research/titans | Google 提出的经由神经记忆模块提升长文本处理的架构。 |
| HOMER | alinlab/HOMER | 层次上下文合并（ICLR 2024），高效扩展上下文长度。 |
| Memory3 | BAAI-Agents/Memory3 | BAAI 提出的显性记忆大模型，将知识外挂为稀疏记忆模块。 |
| Awesome LLM Pre-training | RUCAIBox/awesome-llm-pretraining | 预训练策略、架构改进（如 Ultra-Sparse Memory）研究精选。 |
利用模型上下文协议（MCP）或特定工具调用（Skills）为模型注入持久记忆的能力。
| 名称 | GitHub 网址 | 类型 | 特点 |
|---|---|---|---|
| memento-mcp | gannonh/memento-mcp | MCP | 知识图谱驱动的记忆系统，支持语义检索与时间感知。 |
| OpenClaw Skills | VoltAgent/awesome-openclaw-skills | Skills | 包含 Git-notes 记忆、LanceDB 三重记忆等 OpenClaw 专属技能。 |
| mcp-memory | samwang0723/mcp-memory | MCP/Redis | 使用 Redis Graph 作为后端的知识图谱 MCP 服务器。 |
在生成图像和视频时维持角色形象、画风及音色一致性的专用工具与算法。
| 分类 | 推荐项目 | GitHub 网址 | 核心特性 |
|---|---|---|---|
| 视觉一致性 | StoryMaker, IP-Adapter | FireRedTeam/StoryMaker | 维持人物脸部、发型、服装跨帧/跨提示词的一致。 |
| 视频连贯性 | ConsistI2V | TIGER-AI-Lab/ConsistI2V | Image-to-Video 一致性，保持布局与运动连贯。 |
| 语音音色克隆 | Amphion, Bark | open-mmlab/Amphion | 高保真零样本声模仿，确保小说配音音色统一。 |
确保大规模模型在多 GPU/多节点训练过程中参数与梯度的绝对同步。
| 工具/算法 | 类型 | 关键特性 |
|---|---|---|
| Megatron-LM | 框架 | NVIDIA 出品，提供极致的模型并行（TP/PP）效率。 |
| DeepSpeed | 优化器/框架 | Microsoft ZeRO 技术，显存分片与大规模训练的标配。 |
| FSDP | 原生并行 | PyTorch 内置，全分片数据并行，ZeRO-3 的高性能替代。 |
在 Agent 团队协作过程中，确保共享状态、任务进度及上下文记忆的一致性。
| 项目名称 | 协调机制 | 特点 |
|---|---|---|
| DeMAC | 去中心化 | 消除 Zeno 效应，适合 1:1 动态响应的多代理系统。 |
| Nexus Agents | Redis 通信 | 基于 Redis 的 A2A 通信，实时跟踪多代理研究进度。 |
防止模型在与用户实时互动或在线微调（RLHF）过程中出现质量雪崩与价值观漂移。
| 名称 | GitHub 网址 | 核心特性 |
|---|---|---|
| OpenRLHF | OpenRLHF/OpenRLHF | 分布式 PPO/GRPO，包含严谨的 KL 散度约束防止对齐崩溃。 |
| Online-RLHF | RLHFlow/Online-RLHF | 专注于在线迭代反馈，复现 LLaMA3 级模型的高稳定性。 |
确保 LLM 在适应新场景、新领域时，不会产生灾难性遗忘，维持长期记忆的连续性。
| 名称 | GitHub 网址 | 算法背景 |
|---|---|---|
| ContinualLM | UIC-Liu-Lab/ContinualLM | 领域自适应持续预训练框架，支持大规模增量学习。 |
| CURLoRA | MNoorFawi/curlora | 结合 CUR 分解的 LoRA 持续微调，兼具低开销与高稳定性。 |
| Awesome Lifelong | zzz47zzz/awesome-lifelong-learning | 汇总了包括 EWC、回放缓冲在内的所有主流防遗忘方案。 |
下面用鱼骨图（因果骨架图）梳理"大模型记忆能力从何而来"的几条主线，便于快速建立全局认知。鱼头是"LLM 长期记忆能力"，骨架上的每条"大骨"是一个技术维度，分支是代表性工作。
┌─ RAG (2020, Meta) ................ 参数外记忆基础
├─ GraphRAG (2024, MS) ........... 图谱 + 社区摘要
检索/外部记忆 ──────┼─ HippoRAG (2024) ............... 海马体索引 + PPR
└─ Memory3 (2024, BAAI) .......... 显性/稀疏记忆模块
│
├─ Generative Agents (2023) . 记忆流 + 反思
├─ MemGPT / Letta (2023) .... 虚拟上下文分层
机制/架构记忆 ─────────────┼─ LongMem (2023) ............ 冻结编码 + 缓存库
├─ ReadAgent (2024) ......... 分页 + gist 压缩
└─ Titans (2024-25, Google) . 神经长期记忆 + 测试时学习
│
├─ MemoryBank (2023) ........ 遗忘曲线衰减
生产级记忆层 ──────────────┼─ Mem0 / Mem0g (2025) ...... 向量 + 图谱记忆层
├─ Zep / Graphiti ........... 时序知识图谱
└─ A-MEM (2025) ............. Zettelkasten 自主演化
│
工具/协议生态 ──────────────┼─ MCP: AgentCortex / memento-mcp
├─ 本地优先: Basic Memory
└─ 技能: OpenClaw Skills
│
├─ 多模态: StoryMaker / ConsistI2V / Amphion
垂直场景延展 ──────────────┼─ 叙事: NovelGenerator
└─ 多代理: DeMAC / Nexus Agents
│
LLM 长期记忆能力 ◄───────────────────────────┘
(鱼头)
阅读方法：从左上"检索/外部记忆"到右下"垂直场景延展"，技术由"通用范式"逐步下沉到"架构内记忆"并扩散到具体场景。每条大骨彼此并非互斥——例如 Mem0 同时用到检索与图谱，Titans 把记忆写进架构。
- Awesome-RLHF - RLHF 强化学习对齐全资源
- Awesome LLM Pre-training - 预训练策略与架构改进
- Awesome-Audio-LLM - 音频大模型研究列表
- ConsistI2V Projects - 视频生成一致性研究
- Awesome-Story-Generation - 故事生成论文与算法集
- GitHubDaily - 开源项目精选
欢迎提交 PR 补充新的优质项目！请确保提供的 GitHub 链接真实有效、描述与官方定位一致。