#llm-memory Repositories
Entdecke 18 aktive Open-Source-GitHub-Repositories, die mit #llm-memory getaggt sind und insgesamt 40,301 Sterne gesammelt haben (durchschnittlich 2,238 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist alibaba/zvec mit 16,275 Sternen.
Insgesamt 18 Repositories
[NeurIPS'24] HippoRAG ist ein neuartiges RAG-Framework, das von der menschlichen Langzeitgedächtnis inspiriert ist und LLMs ermöglicht, Wissen über externe Dokumente kontinuierlich zu integrieren. RAG + Wissensgraphen + Personalized PageRank.
Mirix ist ein persönlicher Multi-Agenten-Assistent, der darauf ausgelegt ist, Bildschirmaktivitäten zu verfolgen und Benutzerfragen intelligent zu beantworten. Durch die Erfassung von Echtzeit-Visuellen Daten und deren Konsolidierung in strukturierte Erinnerungen verwandelt Mirix Rohdateneingaben in eine reichhaltige Wissensbasis, die sich an Ihre digitalen Erfahrungen anpasst.
Claude-Code-, Codex- und Cursor-Speicher — lokaler MCP-Speicher, Suche im Sitzungsverlauf und Übergabe zwischen Coding-Agenten.
Forschung zur DeepSeek-Engram-Architektur basierend auf Qwen-3 und der Stable-Diffusion-Serie.
Awesome AI Memory | LLM Memory | Eine kuratierte Wissensdatenbank zur KI‑Speicher für LLMs und Agenten, die Langzeitspeicher, Logik, Abruf und speicherorientiertes Systemdesign abdeckt. Awesome‑AI‑Memory ist eine zentrale, kontinuierlich aktualisierte KI‑Speicher‑Wissensdatenbank, die systematisch Spitzensforschung, Ingenieur‑Frameworks, Systemdesigns, Evaluierungsbenchmarks und praxisnahe Anwendungen in Bezug auf die Speicherfunktion von großen Modellen (LLM‑Memory) und von Agenten (Agent‑Memory) zusammenfasst.
Agentengedächtnis für LLMs: 30 ausführbare Jupyter-Notebooks, die Konversationspuffer, Vektorspeicher, Wissensgraphen, episodisches und semantisches Gedächtnis, MemGPT, Mem0, Letta, Zep, Graphiti, LoCoMo-Benchmarks und Produktionsmuster abdecken.
Komponierbarer, ansichtenbasierter Kontext für DeepSeek Harness. Austauschbare Quellen und Strategien sowie integrierter mehrschichtiger Speicher und selbstständig weiterentwickelnde Fähigkeiten.
Ein Cyber-Gehirn für Ihre KI. Es vergisst nie ein Detail, erinnert sich genau an das, was Sie gesagt haben, und lernt mit der Zeit, wie Sie arbeiten. Kostenlos, lokal, funktioniert mit Cursor, Claude Code, Codex, OpenClaw, Hermes und mehr. MIT.
Git-native persistente Speicherung für KI-Programmieragenten. Implementiert Google OKF v0.2 mit einer In-Memory-BM25-Suche unter 300 µs, integriertem MCP-Server und progressiver Offenlegung. Reduziert den Token-Overhead um 80 % – ganz ohne externe Datenbanken oder Abhängigkeiten. Vollständig in Go entwickelt.
Ein gemeinsamer Speicher für alle Agenten, die du jemals verwenden wirst. Hippo speichert in einem Speicherbereich in deinem Repository, was du einem Coding-Agenten beibringst, und deine anderen Agenten lesen aus demselben Speicherbereich.
LLM-überwachtes persistentes Gedächtnis für KI-Agenten – graphenbasierter Abruf, sitzungsübergreifendes Wissen, eine einzelne Binärdatei. Funktioniert mit DeepSeek Harness, Claude Code, OpenClaw und jeder Agenten-Laufzeitumgebung.
Kuratierte Systeme, Benchmarks und Paper usw. zum Thema Speicher für LLMs/MLLMs – Langzeitkontext, Retrieval und Schlussfolgerung.
Geben Sie Claude Code ein fotografisches Gedächtnis in EINER portablen Datei. Keine Datenbank, kein SQLite, kein ChromaDB - nur eine einzige .mv2-Datei, die Sie per git commit, scp oder teilen können. Nativer Rust-Kern mit Operationen unter einer Millisekunde.
Caura (ehemals MemClaw) – verwalteter gemeinsamer Speicher für Flotten von KI-Agenten. Multi-Agenten-, mandantenfähig und MCP-nativ. Vertrauensstufen, grundlegende Richtlinien, Prüfpfade, Wissensgraph und selbstverbessernder Abruf. Apache 2.0.
Häufig gestellte Fragen
Welches ist das beliebteste #llm-memory-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#llm-memory-Projekt auf GitHub ist alibaba/zvec mit 16,275 Sternen. Eine leichtgewichtige, blitzschnelle, im Prozess laufende Vektor-Datenbank
Welche Programmiersprachen werden in #llm-memory-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #llm-memory-Projekten auf GitHub sind Python, Go, TypeScript, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #llm-memory-Repositories berechnet?
Wir verfolgen 18 aktive Open-Source-Repositories, die mit #llm-memory getaggt sind (500+ Sterne), mit insgesamt 40,301 Sternen und durchschnittlich 2,238 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.