AgentIndex icon
AgentIndex
工具分类热门最新对比
提交工具
首页/
Vision / Multimodal/
shodh-memory
shodh-memory logo

shodh-memory

活跃·★ 215·Apache-2.0·更新于 2026-05-29
★ 时下流行★ RAG / 知识库★ 记忆与上下文

为AI智能体提供持久化记忆系统,以单一二进制文件形式运行,支持本地优先和离线操作。

Shodh-Memory 为AI智能体提供持久的认知记忆,使其能够在会话之间保留上下文并从经验中学习。它被打包成一个约17MB的单一二进制文件,完全在您的硬件上离线运行,防止智能体遗忘信息。

#AI记忆#持久化存储#本地优先#离线#认知系统#知识图谱#GTD#Rust
$ 安装
$ curl -L https://github.com/varun29ankuS/shodh-memory/releases/latest/download/shodh-memory-linux-x64.tar.gz | tar -xz && ./shodh-memory
↗ 访问官网★ GitHub
01

功能特性

01面向AI智能体的持久化认知记忆
02本地优先、单一二进制及离线运行
03高级认知处理(赫布学习、激活衰减等)
04带知识图谱可视化的交互式TUI仪表板
05集成GTD(Getting Things Done)任务管理系统
02

兼容性

Python
语言开发工具包
已通过文档验证
Rust
语言开发工具包
已通过文档验证
npm
语言开发工具包
已通过文档验证
Claude/Cursor
AI智能体集成
已通过文档验证
Linux
操作系统
已通过文档验证
macOS
操作系统
已通过文档验证
03

快速开始

1
$ curl -L https://github.com/varun29ankuS/shodh-memory/releases/latest/download/shodh-memory-linux-x64.tar.gz | tar -xz
2
$ ./shodh-memory
04

使用场景

↳为各种AI智能体(如Claude、GPT、LangChain、AutoGPT)提供持久化记忆和学习能力。
↳增强机器人系统,使其具备在本地硬件上运行的长期记忆。
↳在云端、边缘设备或气隙(air-gapped)系统中部署智能记忆系统。
↳通过与AI智能体集成的GTD任务管理系统来管理任务和项目。
05

同类工具

ragflow logo
ragflow★ 81.5k
RAGFlow 是一个领先的开源检索增强生成 (RAG) 引擎,它融合了前沿的RAG与Agent能力,为大型语言模型提供卓越的上下文层,并简化企业级RAG工作流。
vs →
n8n logo
n8n★ 190.2k
n8n是一个工作流自动化平台,为技术团队提供了代码的灵活性和无代码的速度,拥有400多个集成和原生的AI能力。
vs →
grafbase logo
grafbase★ 1.2k
Grafbase是一个自托管的、由Rust驱动的GraphQL联邦网关,旨在为任务关键型API提供高性能。
vs →
mcp-memory-service logo
mcp-memory-service★ 1.9k
MCP记忆服务是一个解决AI助手会话间遗忘问题,通过自动捕获项目上下文并提供持久记忆,从而节省重复解释时间的工具。
vs →
flow-like logo
flow-like★ 884
Flow-Like 是一个可视化工作流自动化平台,提供透明、类型安全的数据追踪,用于自动化流程。
vs →
mcp-duckdb-memory-server logo
mcp-duckdb-memory-server★ 57
这是一个基于DuckDB的知识图谱内存服务器,旨在提升原始MCP知识图谱内存服务器的性能和功能。
vs →
thClaws logo
thClaws★ 1.1k
thClaws 是一个用 Rust 构建的开源 AI 智能体工作区,可在终端和桌面上运行。
vs →
memora logo
memora★ 407
Memora 为 AI 代理提供持久化记忆层,支持结构化存储、语义检索、图关系和跨会话上下文。
vs →
查看全部替代品 →

相关搜索

shodh-memory 替代工具最佳 Vision / Multimodal 工具 2026开源 Vision / Multimodalshodh-memory 教程shodh-memory 对比AI MemoryPersistent StorageLocal-first

评论

登录后发表评论
  • J
    Jamie Garcia2026年4月28日

    Edge device support is rare in memory systems — valuable for embedded AI.

  • R
    Rowan Zhang2026年4月6日

    Cognitive memory that learns with use and runs offline on edge devices.

  • L
    Logan Garcia2026年3月15日

    Good for privacy-sensitive applications where cloud-based memory is unacceptable.

  • J
    Justice Davis2026年3月11日

    Learning-with-use model means the memory becomes more useful over time.

本页内容
01功能特性02兼容性03快速开始04使用场景05同类工具
统计
GitHub Stars★ 215
最后更新1天前
状态活跃
许可证Apache-2.0
分类视觉/多模态
热度趋势 (30d)
+8.6↑ 0.9%
链接
文档↗讨论↗问题↗版本↗

Deploy on DigitalOcean — Get $200 Free Credit

Ad
© 2026 AgentIndex.app|由十年 iOS 开发者构建。
QYSGitHub请作者喝咖啡 ☕

按分类浏览

代码助手工作流自动化RAG / 知识库多智能体浏览器自动化大模型基础设施开发者工具可观测性

与 Anthropic, OpenAI 或 Microsoft 无关。