memora
★ 744
vs
rlm-claude
★ 39
memora vs rlm-claude
memora：Memora 为 AI 代理提供持久化记忆层，具备结构化存储、语义检索和图关系，以实现跨会话上下文。它允许代理将工作吸收进持久的知识图谱，并使用 `memory_digest` 检索相关记忆、待办事项和关联边缘。；rlm-claude：RLM 是一个 MCP 服务器，旨在为 Claude Code 提供持久化记忆，防止在 `/compact` 操作后丢失会话历史和上下文。它提供高级记忆管理功能，包括洞察、分块和智能保留，从而实现更高效、更具上下文感知的 AI 交互。
01
简评
memoraMemory & Context · ★ 744
AI代理记忆管理：为AI代理提供长期、结构化的记忆，以处理复杂的跨会话任务。
rlm-claudeMemory & Context · ★ 39
防止在长时间的 Claude Code 开发会话中丢失上下文和决策。
02
并排对比
03
功能特性
memora01持久化存储：支持 SQLite 并可选云同步（S3, R2, D1）
02语义搜索：通过向量嵌入（TF-IDF, sentence-transformers, OpenAI）实现高级查询
03知识图谱：交互式可视化，支持 Mermaid 渲染和聚类检测
04记忆聊天：RAG 驱动的聊天面板，支持 LLM 工具调用以搜索、创建、更新、删除记忆
05LLM去重：AI 驱动的语义比较，用于查找和合并重复记忆
rlm-claude01在 `/compact` 期间，上下文丢失前的自动快照保存。
02双重记忆系统：用于关键决策/事实的“洞察”和用于完整会话片段的“分块”。
03结合 BM25 关键词匹配和语义余弦相似度的混合搜索。
04具有活动、归档和清除区域的智能保留生命周期，以及关键数据的免疫机制。
05用于记忆和搜索过滤的多项目、多领域组织。
04
使用场景
memora↳AI代理记忆管理：为AI代理提供长期、结构化的记忆，以处理复杂的跨会话任务。
↳代理知识库构建：构建可供AI代理进行语义和上下文查询的知识库。
↳项目管理与任务跟踪：自动化待办事项和问题的创建与跟踪，并为项目进度提供洞察。
↳文档分析与检索：以细粒度的片段级别存储和搜索结构化文档（例如报告、计划）。
↳AI的上下文对话：为 RAG 驱动的聊天面板提供支持，使代理或用户能够就存储的记忆进行深入对话。
rlm-claude↳防止在长时间的 Claude Code 开发会话中丢失上下文和决策。
↳高效回忆过去的特定项目细节、架构决策和技术发现。
↳组织和搜索跨不同项目和领域的 AI 生成知识。
↳重新审视调试会话和过去的解决方案，用于问题解决和代码重构。
↳维护适用于所有 AI 交互的通用规则和偏好。
05
适合场景
memora时下流行宝藏工具
rlm-claude—
FAQ
常见问题
memora 和 rlm-claude 有什么区别？
memora 和 rlm-claude 都属于 Memory & Context 类别。memora 有 744 Stars，rlm-claude 有 39 Stars。
memora 和 rlm-claude 哪个更好？
最佳选择取决于你的具体需求。AI代理记忆管理：为AI代理提供长期、结构化的记忆，以处理复杂的跨会话任务。 时选 memora，防止在长时间的 Claude Code 开发会话中丢失上下文和决策。 时选 rlm-claude。
memora 是免费的吗？
是的，memora 在 GitHub 开源（MIT）。
rlm-claude 是免费的吗？
是的，rlm-claude 在 GitHub 开源（MIT）。
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）。
→