Ori-Mnemos
★ 333
vs
headroom
★ 77.5k
Ori-Mnemos vs headroom
Ori-Mnemos：Ori Mnemos 是一个开源的 AI 代理持久记忆基础设施，在知识图谱上实现人类认知模型。它使用 ACT-R 衰减、扩散激活和赫布学习来管理记忆，在检索性能上达到领先水平，同时零基础设施且可移植。；headroom：Headroom在AI代理的内容（如工具输出、日志、RAG块、文件和对话历史）到达LLM之前对其进行压缩。它能在获得相同答案的同时，显著减少所需的Token数量。
01
简评
Ori-MnemosMemory & Context · ★ 333
多跳检索问答（如 HotpotQA）
headroomMemory & Context · ★ 77.5k
何时选择它（优势与适用）：
- 冗长的工具输出、日志、JSON 响应或 RAG 片段推高了成本或影响了答案质量。
- 想不改代码就压缩：作为本地代理、MCP 服务器运行，或包装 Claude Code、Codex、Cursor。
- 压缩必须在本地运行，并缓存原文，让模型需要时能取回完整内容。
何时考虑替代方案：
- 你的智能体的问题是文档缺失或过时，而不是上下文太多：文档服务器更合适。
- 你无法再加一个需要持续运行、可能增加延迟的组件。
- 你的任务不能接受有损压缩：先在自己的任务上验证答案质量。
02
并排对比
03
功能特性
Ori-Mnemos01跨会话、客户端和机器的持久记忆
02带维基链接、PageRank 和社区检测的知识图谱
03具有认知遗忘（ACT-R衰减）的三个记忆空间
04四信号融合检索（语义、BM25、PageRank、热度）
05具有 Q 学习和元学习的检索智能
headroom01应用程序内压缩库（Python/TypeScript）
02零代码改动代理模式
03各种AI代理的一键封装
04跨代理共享内存和自动去重
05可逆压缩（CCR）并支持原始内容检索
04
使用场景
Ori-Mnemos↳多跳检索问答（如 HotpotQA）
↳长期对话记忆（如 LoCoMo）
↳持久的 AI 代理身份和知识
headroom↳降低AI代理的LLM Token使用量和API成本。
↳实现多个AI代理之间的共享上下文和内存。
↳通过压缩工具输出、日志和RAG块来优化编码代理。
↳通过可逆上下文压缩保持完整数据保真度。
05
适合场景
Ori-Mnemos—
headroom最受欢迎必备神器
FAQ
常见问题
Ori-Mnemos 和 headroom 有什么区别？
Ori-Mnemos 和 headroom 都属于 Memory & Context 类别。Ori-Mnemos 有 333 Stars，headroom 有 77.5k Stars。
Ori-Mnemos 和 headroom 哪个更好？
最佳选择取决于你的具体需求。多跳检索问答（如 HotpotQA） 时选 Ori-Mnemos，降低AI代理的LLM Token使用量和API成本。 时选 headroom。
Ori-Mnemos 是免费的吗？
是的，Ori-Mnemos 在 GitHub 开源（Apache-2.0）。
headroom 是免费的吗？
是的，headroom 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→