Mengram
Mengram · 其他
Mengram 是一款開源的 AI 記憶 API，讓應用程式與代理擁有持久、近似人類的回想能力。它儲存三種記憶類型，語意事實、情節事件與程序工作流程，接著透過單一呼叫把它們取回。打造代理產品的開發者用它來跨工作階段保留脈絡，而一般使用者則能把它當成記憶連接器加進 Claude 或 Cursor。
關於 Mengram
什麼是 Mengram
Mengram 是一款為開發者打造的 AI 記憶 API，這些人希望代理能記住使用者，而不是每次工作階段都從零開始。它既是 AI 代理的持久記憶，也是你按需查詢的程式庫。聊天機器人在視窗一關就忘掉整段對話，Mengram 則運行一層擷取機制，把原始聊天往返轉成日後可供搜尋的結構化記憶。
核心想法是，人類記憶並非單一事物。Mengram 把回想拆成語意記憶（事實與偏好）、情節記憶（事件與結果）以及程序記憶（逐步的工作流程）。當你把訊息送往 API 時，這三者會自動擷取，所以它不是又一個硬掛在聊天機器人上的向量儲存。
它以 Apache 2.0 開源，因此有合規需求的團隊可以自行架設核心，並維持相同的 API 介面。主要限制在於範圍：Mengram 是記憶後端，不是聊天框架。你仍得自備 LLM、自備提示詞、自備代理迴圈。這裡沒有任何東西會替你寫回覆。
Mengram 的定價隨用量調整。免費方案足以應付展示。付費方案則從那裡往上加。
開始使用
- 在 mengram.io 註冊以取得免費 API 金鑰（開頭為
om-），或在終端機執行mengram signup --email [email protected]。 - 用
pip install mengram-ai安裝 Python 的 SDK，或為 Node 加入 JavaScript 套件。 - 呼叫
m.add(messages, user_id="customer-4812")送出你的第一筆記憶。Mengram 會在伺服器端擷取事實、事件與工作流程。 - 之後用
m.search("how should I contact this customer?", user_id="customer-4812")把它搜尋回來。 - 若是工具原生代理，把一鍵連接器網址貼進 Claude、Cursor 或任何 MCP 用戶端即可。
產品資訊
快速了解 Mengram 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 打造代理產品的開發者：Mengram 處理每位使用者的記憶隔離，所以你只要傳入 `user_id`，每位終端使用者就有自己的事實、事件與工作流程，共用一把 API 金鑰。
- 個人開發者與獨立開發者：免費方案（每月 40 次記憶寫入與 200 次搜尋）就足以串起一個展示，不需信用卡。
- Claude 與 Cursor 的重度使用者：一鍵連接器替 claude.ai 與 Desktop 加上回想能力，完全不必碰終端機。
任務
- 跨工作階段記住使用者偏好：語意記憶儲存像是「偏好以電子郵件聯絡」這類內容，並在之後的搜尋中回傳。
- 追蹤發生了什麼以及結果如何：情節記憶記錄事件，附上摘要、結果與參與者，因此代理能回想起某個錯誤已修好，以及是怎麼修的。
- 從失敗中學習工作流程：程序記憶擷取步驟，並在一次執行失敗時修訂它們，同時記下哪個假設被打破了。
情境
- 服務數千名使用者的客服代理：每個 `user_id` 各自保有隔離的記憶儲存，所以某位客戶的紀錄永遠不會混進另一位客戶的。
- 橫跨多種工具的程式助理：共用的記憶圖譜讓脈絡從 Claude 帶到 Cursor 再到 Codex，你不必重新解釋整套架構。
- 多語言產品：Mengram 使用多語言嵌入，原生支援 23 種語言，因此當使用者不以英文書寫時，回想依然站得住腳。
主要功能
單一 API 中的三種記憶類型
Mengram 不要求你挑選一種記憶模型。單一次 m.add() 呼叫會同時擷取語意事實、情節事件與程序工作流程，而每一種類型都能單獨搜尋。你會得到給實體用的知識圖譜、給情節用的時間軸，以及給操作知識用的版本化程序。這種切分比扁平的向量索引更貼近人們實際記憶的方式。
會演進的程序記憶
多數記憶工具只儲存發生過什麼。Mengram 也會儲存事情該怎麼做，並在這些程序失敗時更新它們。用 m.procedure_feedback(proc_id, success=False, context="Step 3 failed: OOM") 回報一次失敗，Mengram 就會修訂步驟，並推導出你的代理在信任該工作流程前可檢查的前置條件。版本紀錄保留每一次修訂，因此你看得出改了什麼以及為什麼改。
多使用者隔離
傳入 user_id，每位終端使用者就得到獨立的記憶儲存，各有自己的事實、事件、工作流程與一份認知輪廓。你保有單一 API 金鑰，就能服務數千名使用者。對任何要推出客服機器人或個人助理的人來說，正是這項功能讓 API 能用於正式環境，而不只是原型。
Graph RAG 回想
搜尋不只限於直接命中。Mengram 會走訪知識圖譜中的關聯，所以搜尋「Python」可能帶出 Django，後者又連向你部署它的平台。兩跳走訪能拉進單純向量搜尋會漏掉的脈絡。這就是找到一個關鍵字，與找到真正相關之物之間的差別。
跨 Claude、Cursor 與 Codex 運作
記憶能挺過 /clear、自動壓縮與換機器。Mengram 提供一鍵 Claude 連接器、內含約 30 項工具的 MCP 記憶伺服器，以及 LangChain、CrewAI、n8n 與 OpenClaw 的整合。你安裝一次，同樣的回想就跟著你在各工具間移動，而不是困在單一應用程式的孤島裡。
伺服器端擷取
你送出的是原始對話往返，不是整理過的事實。Mengram 在自家伺服器上處理擷取、去重與矛盾檢查，所以你不必寫提示工程來讓記憶保持整潔。當兩則事實互相衝突時，系統會標記這項矛盾，而不是默默把兩者都留著。
優缺點
優點
- 三種截然不同的記憶類型（語意、情節、程序）在單一 API 中涵蓋事實、事件與工作流程，這在記憶工具中相當少見。
- 以 Apache 2.0 開源，因此當資料必須留在自家基礎架構上時，自行架設是個選項。
- 透過 `user_id` 的逐使用者隔離，讓記憶在大規模下保持分離，不必額外接線。
- 原生支援 23 種語言，包括俄語、中文、西班牙語與日語，採用多語言嵌入。
- 免費方案對展示而言確實可用，且不需信用卡。
缺點
- 它是後端，不是完成品。你得自備 LLM、提示詞與代理迴圈，所以在任何東西跑起來之前有實打實的設定工作。
- 程序演進與智慧觸發器藏在每月 $19 的 Pro 方案之後，這意味著最有趣的功能不在免費方案裡。
- 文件還很年輕，有些頁面預設你讀程式碼不成問題，所以非開發者會依賴 Claude 連接器這條路。
常見問題
Mengram 為 AI 應用程式提供持久記憶，讓它們跨工作階段記住使用者。開發者用它儲存偏好、過往互動與學到的工作流程，之後再透過一次搜尋把它們取回，而不是每次重新解釋脈絡。
相關內容
探索與 Mengram 相關的工具、技能與文章。
Mengram 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。