1. 核心用途
为 24/7 主动 AI 代理（如 OpenClaw 替代品 memU Bot）提供长期记忆管理，通过结构化记忆存储与检索，降低 LLM token 成本，使代理能持续理解用户意图并主动行动。
项目档案文档型项目
NevaMind-AI/memU 文档/知识库：适合谁看、怎么使用
NevaMind-AI/memU：memU 是为 24/7 主动 AI 代理设计的记忆框架，通过类文件系统抽象与可插拔存储降低 LLM 成本。本页整理它适合谁看、核心内容和站内延伸入口。
AI 总结
memU 是为 24/7 主动 AI 代理设计的记忆框架，通过类文件系统抽象与可插拔存储降低 LLM 成本。
中文项目介绍
memU 是一个面向长期运行主动代理的记忆框架，将记忆组织为类文件系统的结构化层次（类别/记忆项/交叉引用），采用工作流管道执行记忆操作，支持多种存储后端（如 SQLite、Postgres），旨在减少重复 LLM 调用成本，实现持续意图捕捉与主动行为。
详细信息与使用说明
2. 解决的核心问题
解决长期运行 AI 代理在记忆管理上的挑战：1) 如何高效存储与组织多轮对话中的结构化知识；2) 如何减少重复 LLM 调用以控制成本；3) 如何实现跨会话的用户意图持续捕捉。
3. 典型应用场景
1) 企业级主动助手（如 memU Bot）的 24/7 记忆支撑；2) 从对话、文档、图像中提取并持久化用户偏好、技能与关系；3) 多租户环境下隔离的长期上下文管理；4) 与 LangGraph 等代理框架集成，提供记忆工具链。
4. 安装与依赖
项目要求 Python 3.13+ 环境，使用 maturin 作为构建后端，依赖 Rust 工具链。PyPI 包名为 `memu-py`（版本 1.5.1），但仓库未明确给出 pip 安装命令；源码包含 Rust 核心（src/lib.rs）与 Python 封装，需编译为扩展模块。关键 Python 依赖包括 openai、pydantic、sqlmodel、lazyllm 等。
5. 基本使用方式
参考 `examples/` 目录下的示例脚本（如 `proactive/proactive.py`、`example_1_conversation_memory.py`）学习基本用法。典型流程包括：1) 配置 MemoryService 并选择存储后端（如 SQLite）；2) 调用 `memorize` 摄入对话或文档；3) 调用 `retrieve` 或 CRUD 接口查询与修改记忆。文档中 `docs/sqlite.md` 与 `docs/langgraph_integration.md` 提供了具体配置与集成示例。
思维导图
memU
核心抽象
记忆即文件系统
三层持久化模型：Resource → MemoryItem → MemoryCategory
用户范围多租户
架构设计
工作流管道
摄入管道六阶段：ingest → preprocess → extract → dedupe → categorize → persist
存储后端
inmemory（开发/测试）
sqlite（轻量持久化）
postgres（生产，pgvector 向量索引）
集成能力
LangGraph 工具封装（save_memory/search_memory）
多模态支持（对话/文档/图像）
LLM 后端抽象（OpenAI/LazyLLM/Grok 等）
关键模块
MemoryService（组合根）
memorize / retrieve / CRUD 接口
embedding 与向量策略
prompts 与分类/摘要逻辑
常见问题
NevaMind-AI/memU 是做什么的？
memU 是为 24/7 主动 AI 代理设计的记忆框架，通过类文件系统抽象与可插拔存储降低 LLM 成本。
NevaMind-AI/memU 适合用在什么场景？
为 24/7 主动 AI 代理（如 OpenClaw 替代品 memU Bot）提供长期记忆管理，通过结构化记忆存储与检索，降低 LLM token 成本，使代理能持续理解用户意图并主动行动。
NevaMind-AI/memU 如何安装？
项目要求 Python 3.13+ 环境，使用 maturin 作为构建后端，依赖 Rust 工具链。PyPI 包名为 `memu-py`（版本 1.5.1），但仓库未明确给出 pip 安装命令；源码包含 Rust 核心（src/lib.rs）与 Python 封装，需编译为扩展模块。关键 Python 依赖包括 openai、pydantic、sqlmodel、lazyllm 等。
NevaMind-AI/memU 如何开始使用？
参考 `examples/` 目录下的示例脚本（如 `proactive/proactive.py`、`example_1_conversation_memory.py`）学习基本用法。典型流程包括：1) 配置 MemoryService 并选择存储后端（如 SQLite）；2) 调用 `memorize` 摄入对话或文档；3) 调用 `retrieve` 或 CRUD 接口查询与修改记忆。文档中 `docs/sqlite.md` 与 `docs/langgraph_integration.md` 提供了具体配置与集成示例。