kaeru
★ 45
vs
ratel
★ 497
kaeru vs ratel
kaeru：Kaeru 是一个面向 LLM 代理的本地优先、跨代理认知引擎，提供了一个类型化属性图谱和一个用于长期记忆的回忆层。它支持多会话和多代理连续性，使代理能够随着时间推移保持完整的上下文、追溯来源并利用共享知识。；ratel：Ratel是一个用于AI代理的上下文工程层，通过仅为每个任务选择相关工具来优化工具使用。它旨在通过防止“工具过载”来降低令牌成本并提高LLM的准确性，且不依赖于向量数据库或嵌入。
01
简评
kaeruMemory & Context · ★ 45
代理需要从之前的会话中召回其思考过程和项目上下文。
ratelMemory & Context · ★ 497
在Python或TypeScript中开发高效管理外部工具的AI代理
02
并排对比
03
功能特性
kaeru01双层图谱（操作型/海马体和档案型/皮层），用于活跃思考和沉淀知识。
02双时态特性，原生支持断言/撤销历史，实现时间旅行查询和非破坏性冲突解决。
03按项目范围划分和分层重入机制，用于在会话间恢复项目上下文，并按需访问归档知识。
04可选的跨代理云层共享，允许信任的团队在安全门控下共享沉淀知识。
05结构化召回，基于精确名称查找、类型化图遍历和 FTS 模糊回退，而非主要依赖向量嵌入。
ratel01AI代理的上下文感知工具选择
02降低LLM令牌使用量和运营成本
03通过防止工具过载提高代理准确性
04利用BM25索引实现高效的工具检索
05提供TypeScript和Python的SDK
04
使用场景
kaeru↳代理需要从之前的会话中召回其思考过程和项目上下文。
↳代理团队需要共享并基于集体的长期知识库进行工作。
↳代理希望在特定的项目范围内捕获新的观察或假设。
↳追溯代理所做知识片段或决策的出处和历史。
ratel↳在Python或TypeScript中开发高效管理外部工具的AI代理
↳通过MCP服务器与现有LLM平台（如Claude Code、Cursor或ChatGPT）集成，优化工具使用
↳通过智能工具选择，最大程度地降低AI代理的API调用成本
↳在拥有大量可用工具的环境中，提高AI代理的可靠性和准确性
05
适合场景
kaeru—
ratel宝藏工具
FAQ
常见问题
kaeru 和 ratel 有什么区别？
kaeru 和 ratel 都属于 Memory & Context 类别。kaeru 有 45 Stars，ratel 有 497 Stars。
kaeru 和 ratel 哪个更好？
最佳选择取决于你的具体需求。代理需要从之前的会话中召回其思考过程和项目上下文。 时选 kaeru，在Python或TypeScript中开发高效管理外部工具的AI代理 时选 ratel。
kaeru 是免费的吗？
是的，kaeru 在 GitHub 开源（MIT）。
ratel 是免费的吗？
是的，ratel 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）。
→