mori
★ 32
vs
Acontext
★ 3.7k
mori vs Acontext
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。；Acontext：Acontext是一个上下文数据平台，旨在通过管理上下文存储、检索和状态来帮助构建可扩展的云原生AI代理。它解决了LLM消息存储效率低下、长期运行代理管理复杂以及代理缺乏可观测性和学习能力等常见问题。
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。
AcontextMemory & Context · ★ 3.7k
为大量用户构建可扩展且强大的云原生AI代理。
02
并排对比
字段
moriAcontext分类
记忆与上下文
记忆与上下文
Stars
★ 32
★ 3.7k
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 acontext
更新时间
3天前
3个月前
开源
是
是
标签
AI 代理, 共享内存, 知识库
AI代理, 上下文管理, 数据平台
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。
Acontext01统一多模态消息存储
02基于文件路径的工件管理
03上下文窗口编辑API
04实时代理任务观测
05代理SOPs自学习
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。
Acontext↳为大量用户构建可扩展且强大的云原生AI代理。
↳通过内置的上下文工程管理和观测长期运行、有状态的AI代理。
↳使AI代理能够自学习和适应，提高一致性和成功率。
05
适合场景
mori—
Acontext必备神器
FAQ
常见问题
mori 和 Acontext 有什么区别？
mori 和 Acontext 都属于 Memory & Context 类别。mori 有 32 Stars，Acontext 有 3.7k Stars。
mori 和 Acontext 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，为大量用户构建可扩展且强大的云原生AI代理。 时选 Acontext。
mori 是免费的吗？
是的，mori 在 GitHub 开源（AGPL-3.0）。
Acontext 是免费的吗？
是的，Acontext 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）。
→