Awesome AI Memory | LLM Memory | Una base di conoscenza curata sulla memoria AI per LLM e agenti, che copre la memoria a lungo termine, il ragionamento, il recupero e il design di sistemi nativi alla memoria. Awesome-AI-Memory 是一个 集中式、持续更新的 AI 记忆知识库,系统性整理了与 大模型记忆(LLM Memory)与智能体记忆(Agent Memory)
Esplora una collezione di risorse su come l'AI può migliorare la memoria e il ragionamento per modelli e agenti linguistici.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiAwesome AI Memory | LLM Memory | Una base di conoscenza curata sulla memoria AI per LLM e agenti, che copre la memoria a lungo termine, il ragionamento, il recupero e il design di sistemi nativi alla memoria. Awesome-AI-Memory 是一个 集中式、持续更新的 AI 记忆知识库,系统性整理了与 大模型记忆(LLM Memory)与智能体记忆(Agent Memory)
Awesome-AI-Memory ha 1.1k stelle su GitHub. È stato forkato 112 volte. Awesome-AI-Memory è scritto principalmente in Python. È in sviluppo attivo dal 2025. Awesome-AI-Memory è disponibile con licenza Apache-2.0. I suoi temi principali sono: agent-memory, ai-memory, ai-memory-system, awesome-ai-memory.
Awesome AI Memory | LLM Memory | Una base di conoscenza curata sulla memoria AI per LLM e agenti, che copre la memoria a lungo termine, il ragionamento, il recupero e il design di sistemi nativi alla memoria. Awesome-AI-Memory 是一个 集中式、持续更新的 AI 记忆知识库,系统性整理了与 大模型记忆(LLM Memory)与智能体记忆(Agent Memory)
Awesome-AI-Memory è un progetto open source. È rilasciato con licenza Apache-2.0.
Sì. Awesome-AI-Memory è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Awesome-AI-Memory è disponibile con licenza Apache-2.0.
Awesome-AI-Memory è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/iaar-shanghai-awesome-ai-memory.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.