mori
★ 32
vs
headroom
★ 77.5k
mori vs headroom
mori：Mori 是一个为 AI 编程代理设计的共享内存层，允许多个实例相互学习，从而确保一致性并避免“冷启动”。它将会话活动提炼成持久性知识，使代理能够从集体智能中受益并从一开始就获得信息。；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
moriMemory & Context · ★ 32
使在不同机器或团队中的 AI 编码代理能够共享所学知识并保持一致性。
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
字段
moriheadroom分类
记忆与上下文
记忆与上下文
Stars
★ 32
★ 77.5k
许可证
AGPL-3.0
Apache-2.0
安装方式
git clone https://github.com/fjwood69/mori.git && cd mori && cp deploy/homelab/.env.example deploy/homelab/.env && docker compose -f deploy/homelab/docker-compose.yml up -d
pip install "headroom-ai[all]"
更新时间
3天前
1天前
开源
是
是
标签
AI 代理, 共享内存, 知识库
上下文压缩, Token优化, AI代理
03
功能特性
mori01多实例一致性：共享内存确保所有 AI 代理实例都能了解其他代理的决策。
02梦想管道：自动将会话事件提炼为结构化记忆。
03通用摄取：将各种数据类型（PDF、图像、Git 历史记录）输入到内存存储中。
04战略咨询：提供基于项目上下文和团队标准的 LLM 指导。
05代理间消息传递：使代理能够在网络中发送任务、问题和决策。
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
mori↳使在不同机器或团队中的 AI 编码代理能够共享所学知识并保持一致性。
↳通过使用现有项目文档和历史记录快速引导内存存储，来新入职 AI 代理或团队成员。
↳从 LLM 获取基于项目特定信息的上下文感知战略建议和审查（例如，架构、安全性）。
↳通过在多个 AI 代理实例之间委派工作和共享决策来编排复杂任务。
↳为 AI 开发项目提供持久性知识库，防止重复学习并确保连续性。
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
mori—
headroom最受欢迎必备神器
FAQ
常见问题
mori 和 headroom 有什么区别？
mori 和 headroom 都属于 Memory & Context 类别。mori 有 32 Stars，headroom 有 77.5k Stars。
mori 和 headroom 哪个更好？
最佳选择取决于你的具体需求。使在不同机器或团队中的 AI 编码代理能够共享所学知识并保持一致性。 时选 mori，降低AI代理的LLM Token使用量和API成本。 时选 headroom。
mori 是免费的吗？
是的，mori 在 GitHub 开源（AGPL-3.0）。
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）。
→