#llm-memory Dépôts
Découvrez 18 dépôts GitHub open source actifs associés à #llm-memory, cumulant 40,301 étoiles au total (soit une moyenne de 2,238 étoiles par projet). Le projet en tête de ce thème est alibaba/zvec, avec 16,275 étoiles.
18 dépôts au total
[NeurIPS'24] HippoRAG est un nouveau framework RAG inspiré par la mémoire à long terme humaine qui permet aux LLM d'intégrer continuellement des connaissances à travers des documents externes. RAG + Knowledge Graphs + Personalized PageRank.
Mirix est un assistant personnel multi-agents conçu pour suivre les activités à l'écran et répondre intelligemment aux questions des utilisateurs. En capturant des données visuelles en temps réel et en les consolidant en mémoires structurées, Mirix transforme les entrées brutes en une riche base de connaissances qui s'adapte à vos expériences numériques.
Mémoire à long terme basée sur le profil utilisateur pour les applications de chatbot IA.
Mémoire de Claude Code, Codex et Cursor — mémoire MCP locale, recherche dans l’historique des sessions et transfert entre agents de programmation.
Recherche sur l'architecture DeepSeek Engram basée sur Qwen-3 et la série Stable Diffusion.
Awesome AI Memory | LLM Memory | Une base de connaissances curatée sur la mémoire IA pour les LLM et les agents, couvrant la mémoire à long terme, le raisonnement, la récupération et la conception de systèmes natifs mémoire. Awesome‑AI‑Memory est une base de connaissances centralisée et mise à jour en continu sur la mémoire IA, qui compile de manière systématique les recherches de pointe, les cadres d'ingénierie, les conceptions de systèmes, les benchmarks d'évaluation et les pratiques d'application réelles liées à la mémoire des grands modèles (LLM Memory) et à la mémoire des agents (Agent Memory).
Mémoire d'agent pour les LLM : 30 notebooks Jupyter exécutables couvrant les tampons de conversation, les magasins de vecteurs, les graphes de connaissances, la mémoire épisodique et sémantique, MemGPT, Mem0, Letta, Zep, Graphiti, les benchmarks LoCoMo et les modèles de production.
Un contexte composable et basé sur des vues pour DeepSeek Harness. Des sources et stratégies enfichables, avec une mémoire à plusieurs niveaux et des compétences qui évoluent de manière autonome, intégrées d’emblée.
Un cerveau cybernétique pour votre IA. Il n'oublie jamais un détail, se souvient exactement de ce que vous avez dit et apprend comment vous travaillez au fil du temps. Gratuit, local, fonctionne avec Cursor, Claude Code, Codex, OpenClaw, Hermes et plus. MIT.
Mémoire persistante native de Git pour les agents de programmation IA. Implémente Google OKF v0.2 avec une recherche BM25 en mémoire en moins de 300 µs, un serveur MCP intégré et une divulgation progressive. Réduit la surcharge de jetons de 80 %, sans base de données ni dépendance externe. Entièrement conçu en Go pur.
Une mémoire pour tous les agents que vous utiliserez. Hippo enregistre dans un espace de stockage de votre dépôt ce que vous enseignez à un agent de programmation, et vos autres agents consultent ce même espace.
Mémoire persistante supervisée par un LLM pour les agents d’IA — rappel basé sur des graphes, connaissances intersessions et un binaire unique. Compatible avec DeepSeek Harness, Claude Code, OpenClaw et tout environnement d’exécution d’agents.
Systèmes, benchmarks et articles sélectionnés sur la mémoire pour les LLM/MLLM — contexte à long terme, récupération et raisonnement.
Donnez à Claude Code une mémoire photographique dans UN seul fichier portable. Pas de base de données, pas de SQLite, pas de ChromaDB - juste un fichier .mv2 que vous pouvez git commit, scp ou partager. Noyau natif Rust avec des opérations en moins d'une milliseconde.
Caura (anciennement MemClaw) — mémoire partagée gouvernée pour les flottes d’agents d’IA. Multi-agents, multi-locataires et native MCP. Niveaux de confiance, politiques fondamentales, pistes d’audit, graphe de connaissances et récupération auto-améliorée. Apache 2.0.
Foire aux questions
Quel est le dépôt #llm-memory le plus populaire sur GitHub ?
Le projet #llm-memory open source le mieux classé sur GitHub est alibaba/zvec, avec 16,275 étoiles. Une base de données vectorielle légère, fulgurante, intégrée dans le processus
Quels langages de programmation sont les plus utilisés dans les dépôts #llm-memory ?
Parmi les projets #llm-memory les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, TypeScript, C++.
Comment le classement des dépôts #llm-memory est-il calculé ?
Nous suivons 18 dépôts open source actifs associés à #llm-memory (500+ étoiles), totalisant 40,301 étoiles, avec une moyenne de 2,238 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.