NirDiamant/
Agent_Memory_Techniques
Agent memory for LLMs: 30 runnable Jupyter notebooks covering conversation buffers, vector stores, knowledge graphs, episodic and semantic memory, MemGPT, Mem0, Letta, Zep, Graphiti, LoCoMo benchmarks, and production patterns.
26635 forksJupyter Notebook· 分析于 2w ago
一句话定位
一个围绕LLM Agent记忆系统的实践教程仓库，涵盖主流框架（MemGPT、Mem0、Letta、Zep等）的30个可运行notebook，偏向入门级教程合集。
判断
实用内容覆盖全面，但大部分框架本身还处于早期阶段，生产可用性存疑。这个repo更适合作为入门学习的跳板，不适合作为生产代码参考。
在合适的场景下值得直接采用，但不是普适必装。
30 秒上手
基于语言推断的标准命令$ git clone https://github.com/NirDiamant/Agent_Memory_Techniques克隆后参考仓库 README
最适合的 3 个场景
- 1学习如何给LLM Agent添加记忆模块（对话历史、向量检索等）
- 2对比MemGPT、Mem0、Zep等闭源/开源记忆框架的用法差异
- 3快速跑通知识图谱+LLM的记忆方案原型
同类对比
vsLangChain官方文档的Memory模块
vsRAG框架如LlamaIndex的Memory实现
vsMemGPT官方示例
完整对比报告（含矩阵评分）即将上线，订阅后第一时间收到。
值得追的健康信号
每周 LLM 自动巡检总 Star
266→
Forks
35→
语言
Jupyter Notebook→
分析时间
2w ago→
x
作者短评
符合「能用就用、不能用就放着」的标准。先收藏，等你下次遇到对应场景再 deep dive 不迟。
— xaikey · 基于 LLM 分析 + 个人判断
Topics
agent-memoryai-agentsanthropiccognitive-architecturecookbookepisodic-memorygraphitijupyter-notebookknowledge-graphlangchainlettallm-agentsllm-memorymem0memgptopenairagtutorialvector-databasezep
其他 Jupyter Notebook 趋势仓库
microsoft/
generative-ai-for-beginners
微软官方出品的基础教程，教你怎么用 Azure OpenAI 的 API 快速调用 GPT、DALL-E 等生成式模型跑几个 Demo
rasbt/
LLMs-from-scratch
从零实现 GPT 类 LLM 的 PyTorch 教程，按模块逐步构建 tokenizer、注意力机制、训练循环等核心组件，适合理解 LLM 内部工作原理。
anthropics/
anthropic-cookbook
Anthropic 官方维护的 Claude 实战 notebook 集。Tool Use / RAG / 视觉 / Agent 全有，且随 SDK 一起升级。
本页 LLM 分析由 MiniMax-M2.7 / Claude Haiku 4.5 等模型生成 · 不构成生产环境技术选型建议