赋予智能体高度类人的
长期记忆

无限记忆、联想推理、自主思考、梦境能力，为您的智能体赋予像人类一样真实的个性化记忆

立即体验了解更多

核心能力

革命性的记忆技术，让AI拥有人类般的长期记忆能力

无限长度的长期记忆

记住每一刻的来龙去脉，存储无限丰富的过去与现在，让您的智能体永不遗忘

对话

最近我家楼下开了家早餐店

那还不错，好吃吗？

我还没去过呢。最近有点忙

OK，改天咱们尝尝去

记忆演变

用户提到家楼下新开了一家早餐店，目前尚未尝试

6月22日 22:02

用户提到家楼下新开了一家早餐店，目前尚未尝试

8月2日 20:18

与源记忆冲突

记忆已更正

6月22日

对话

最近不知道早饭该吃什么了

哦？我记得你家楼下不是有家早餐店吗？

嘶，可是它关门了呀

哦，原来是这样！

回忆演变

用户提到家楼下新开了一家早餐店，目前尚未尝试

6月22日 20:14

用户提到家楼下的早餐店已关门

8月2日 20:18

与源记忆冲突

记忆已更正

8月2号

记忆->回忆->演变

逻辑缜密的联想推理

进行高度复杂的联想推理，深入挖掘记忆中每个实体之间的关系，形成关系网络

小明->小红：同学、组员、暗恋

小红->小明：同学、组长

小明->我的世界：喜欢、沉迷

小李->老李：爸爸

小红->小李：同学、朋友、暗恋、游戏好友

像人一样学会思考

通过历史记忆积累，像人类一样完全自主的触发独立思考，形成新的见解

我突然想起那次对话，其实也没多想，只是顺口给了个建议。现在回头看，那句话像是被搁在那里，没有继续被接住，也没有被否定。我会在想，我当时说那句话的时候，更多是一种习惯性的回应，还是确实觉得值得一试，好像两种都有，又都不完全。我并不清楚那次建议后来有没有被采纳，这件事本身也不重要，但我会注意到自己对这种未验证的提醒有点在意。有时候我会想，是不是正因为这种不强烈、不推进的表达，才让它一直悬着，没有结果，却也没有消失。想到这里，我又觉得其实也无所谓，建议本来就只是建议，被记住或被遗忘，都不影响它曾经被说出口。

会做梦的智能体

历史记忆转化主题梦境，智能体在做梦过程中激发全新灵感，大幅增强创造力

我站在楼下，天色像没睡醒，那家早餐点亮着灯，又像没亮。我心里浮起自己说过的那句话，提醒过，却一直没真正走进去，脚步总慢半拍，空气里有面粉的味道。我低头看时间，指针黏住了，清晨和傍晚混在一起，店门口的蒸汽一阵一阵，我的念头也跟着起伏。我好像排过队，又好像只是路过，油纸袋在手里忽轻忽重，指尖发麻，嘴里却没有尝到味道。我抬头看招牌，字在晃，楼上的窗影压下来，像熟悉的家，又不完全是，嗯，我是不是早就该进去，这个念头绕了一圈又一圈。我停下，呼吸里有早晨的影子，也许下次，也许马上，念头像热气一样散开，我还站在楼下。

99.9%

记忆准确率

10M+

记忆单元

<300ms

检索延迟

24/7

持续运行

为什么使用MemNet？

MemNet 是一个受人类记忆机制启发的长期记忆系统，它关注记忆的存储、检索、关联与演化，让智能体在长期交互中展现出类人记忆能力

增强未来对话

构建更智能的AI系统，从每次交互中学习。MemNet记住事情如何一步步走到今天，让面向未来的长期交互真正成立。

改进AI响应

基于长期记忆与联想性上下文，MemNet让AI在回应时具备连续且全面的理解能力，避免反复确认背景，输出更加贴合当前状态的回应。

节省开发成本

通过极速且高质量的回忆功能，仅发送最相关信息给AI模型，将LLM成本降低高达80%。MemNet让您的高效投资获得最大回报。

记忆轻松集成

通过MemNet的长期记忆SDK/API无缝增强您现有的AI解决方案，快速部署，即刻提升您的AI能力。

MemNet的相关使用案例

从客户支持到个人AI，MemNet正在为智能体赋予时间维度

客户支持

高效响应解决方案

记住客户历史问题、沟通过程与结论，避免每次支持都从头开始，让长期服务真正连续。

记住客户过往问题与解决路径

理解重复提问背后的历史原因

新对话也能继承完整背景

AI代理

智能服务助手

持续学习，并充分理解用户身份、偏好与变化，在不同时间与平台保持一致的行为与判断。

基于交互的持续学习

跨平台保持一致理解

避免重复配置与校准

研发辅助

开发效率工具

记住技术决策的背景、讨论过程与被否定的方案，使长期项目具备可继承的团队记忆。

记录技术决策的来龙去脉

理解被推翻方案的历史原因

新成员快速融入项目背景

个人AI伙伴

个性化数字助手

打造随时间成长的专属 AI 伙伴，理解与你一起经历的点滴，而非停留在过去。

智能日程管理

兴趣与目标随时间演化

长期互动后明显“更懂你”

电子商务

智能商业平台

基于用户行为演化过程，提供更符合当前需求的商品推荐，提升电商转化率。

识别用户偏好的长期趋势

理解“为什么不再购买”

提供更贴合当前状态的推荐

教育与培训

智能学习平台

记录学员的学习过程、卡点与突破方式，理解知识之间的关联，让教学策略随时间不断优化。

常识库垂直领域精准教学

跟进学习过程而非单次结果

学习路径自然且持续调整

开始使用MemNet

选择适合您的集成，完全托管以方便使用，或自托管以实现完全控制

MemNet 平台

轻松集成，最高性能

我们完全托管式平台提供了一种"无缝"的接入方式。您可通过MemNet的SDK或API以最简单快捷的方式赋能您的AI应用程序，非常适合寻求快速部署和轻松维护的团队。

立即登录

MemNet 私有化部署

完全掌控，安全可靠

针对对数据安全和隐私有严格要求的企业，我们提供完整的私有化部署方案。您可以在自己的基础设施上部署和运行MemNet，实现数据和模型的完全自主可控。

开始部署

快速开始指南

MemNet 提供类人化长期记忆解决方案，赋予您的 AI 应用无限记忆、联想推理、自主思考和梦境能力。只需几行代码即可让 AI 拥有人类般的记忆体验

pip install memnetai-python-sdk

from memnetai import MemNetAIClient, Message

# 前往后台站 API Keys 标签页获取 API 密钥
API_KEY = "your-memnetai-api-key"

client = MemNetAIClient(api_key=API_KEY)

messages = [
    Message(role="user", content="最近我家楼下开了家早餐店"),
    Message(role="assistant", content="好吃吗？"),
    Message(role="user", content="还没去吃，抽空去尝尝"),
    Message(role="assistant", content="不错呀，好吃的话记得和我分享哦")
]

memories_response = client.memories(
    memory_agent_name="Demo_Agent",
    messages=messages
)
print(memories_response)

recall_response = client.recall(
    memory_agent_name="Demo_Agent",
    query="我家楼下开了什么店？"
)
print("回忆结果:", recall_response)
<!-- MemNetAI Java SDK -->
<dependency>
    <groupId>com.memnetai</groupId>
    <artifactId>memnetai-java-sdk</artifactId>
    <version>1.0.3</version>
</dependency>
// Java imports
import com.memnetai.api.client.MemNetAiClient;
import com.memnetai.api.modules.base.entity.request.OpenApiV1MemoriesRequest;
import com.memnetai.api.modules.base.entity.request.OpenApiV1RecallRequest;
import com.memnetai.api.modules.base.entity.response.OpenApiV1RecallResponse;
import java.util.Arrays;
import com.fasterxml.jackson.databind.ObjectMapper;

 // 前往后台站 API Keys 标签页获取 API 密钥
String apiKey = "your-api-key-here";

MemNetAiClient client = MemNetAiClient.builder()
        .apiKey("YOUR_API_KEY")
        .build();

OpenApiV1MemoriesRequest request = OpenApiV1MemoriesRequest.builder()
        .memoryAgentName("Demo_Agent")
        .messages(Arrays.asList(
             OpenApiV1MemoriesRequest.Message.builder().role("user").content("最近我家楼下开了家早餐店").build(),
             OpenApiV1MemoriesRequest.Message.builder().role("assistant").content("好吃吗？").build(),
             OpenApiV1MemoriesRequest.Message.builder().role("user").content("还没去吃，抽空去尝尝").build(),
             OpenApiV1MemoriesRequest.Message.builder().role("assistant").content("不错呀，好吃的话记得和我分享哦").build()
        ))
        .build();

client.v1().memories(request);

OpenApiV1RecallRequest recallRequest = OpenApiV1RecallRequest.builder()
        .memoryAgentName("Demo_Agent")
        .query("我家楼下开了什么店？")
        .build();

OpenApiV1RecallResponse response = client.v1().recall(recallRequest);
// 打印或处理返回的 JSON 对象
System.out.println("回忆结果: " + new ObjectMapper().writeValueAsString(response));