ReMe全称Remember Me, Refine Me，是阿里巴巴通义实验室AgentScope团队面向AI智能体研发的开源生产级记忆管理工具包，核心定位是为AI Agent提供从短期上下文到长期经验的全生命周期记忆管理能力，彻底解决智能体在长期交互与复杂任务中面临的两大致命问题：
 ReMe将传统“上下文拼接”升级为可检索、可压缩、可分层、可精炼的结构化记忆系统，让智能体像人类一样沉淀经验、复盘失败、优化策略，实现真正意义上的“持续学习”。项目基于Python开发，遵循Apache-2.0开源协议，支持商用、二次开发与自由分发，可无缝集成AgentScope生态，也可独立接入任意AI Agent框架，是构建生产级智能体不可或缺的记忆基础设施。
 ReMe采用文件型轻量存储（ReMeLight）+向量型检索存储双架构，兼顾易用性与高性能，覆盖开发调试到生产部署全场景。
 ReMe构建了覆盖智能体交互全流程的四层记忆体系，实现精准记忆管控：
 ReMe独创记忆蒸馏-复用-剪枝闭环机制，让智能体自主优化记忆：
 项目内置预训练记忆库与基准测试能力，降低落地成本：
 
  
    
    
 
     
 提供appworld.jsonl、bfcl_v3.jsonl等行业记忆库；
 
     
 支持LoCoMo、HaluMem等基准测试，快速验证记忆效果；
 
     
 配套完整示例代码，5分钟即可完成集成调试。
 
    
 
  
    
    

      功能维度 传统上下文拼接 ReMe记忆管理 信息保留 长对话丢失早期内容 自动压缩+持久化，关键信息不丢失 记忆类型 仅原始对话记录 个人/任务/工具/工作四层结构化记忆 检索能力 无，仅顺序拼接 语义+全文混合检索，精准召回 经验迭代 无自主优化能力 蒸馏-复用-剪枝，持续进化 部署成本 低但能力薄弱 轻量无依赖，生产可扩展 可观测性 黑盒不可调试 可读可编辑，全流程可审计 
    
 ReMe采用模块化松耦合架构，核心组件包括：
 ReMeLight以文件即记忆为设计理念，标准目录结构：
working_dir/ 

├── MEMORY.md       # 长期结构化记忆（用户偏好、任务经验） ├── memory/YYYY-MM-DD.md  # 每日交互日志与记忆摘要 ├── dialog/YYYY-MM-DD.jsonl# 原始对话记录，支持回溯 └── tool_result/ .txt # 工具输出缓存，自动过期清理

特点：纯文本存储、人类可读、无需数据库、复制即迁移、支持手动编辑修正。

ReMe通过效用评分机制实现记忆自动优化：

方式1：PyPI安装（推荐）

pip install reme-ai

方式2：源码安装

git clone https://github.com/agentscope-ai/ReMe.git 

cd ReMe pip install .

from reme import ReMe, MemoryType

# 初始化ReMe实例 reme = ReMe(working_dir="./agent_memory")

# 写入个人记忆 reme.add_memory(   content="用户喜欢咖啡，每天上午9点需要提醒",   memory_type=MemoryType.PERSONAL,   user_id="user_001" )

# 语义检索相关记忆 results = reme.search_memory(   query="用户日常习惯",   user_id="user_001",   top_k=3 )

# 打印检索结果 for res in results:   print(res.content)

from reme.vector import QdrantVectorStore

# 初始化向量存储 vector_store = QdrantVectorStore(   host="localhost",   port=6333,   collection_name="agent_memory" )

# 绑定至ReMe reme.set_vector_store(vector_store)

# 执行记忆精炼 reme.refine_memory(user_id="user_001")

# 导出长期记忆 reme.export_memory(output_path="memory_backup.md")

当前AI Agent记忆赛道主要产品包括LangChain Memory、LlamaIndex Memory、AutoGPT Memory与ReMe，核心对比如下：

核心优势总结：ReMe兼顾轻量化与生产级能力，在记忆自主迭代、双存储适配、工程化可观测性上全面领先，更适合企业级落地与长期迭代。

ReMe必须依赖AgentScope才能使用吗？

不需要。ReMe是独立开源项目，可作为Python库直接接入任何AI Agent框架，同时与AgentScope深度兼容，获得更优协同效果。

ReMeLight文件存储会占用大量磁盘空间吗？

不会。ReMe会自动压缩对话日志、剪枝无效记忆，工具缓存支持过期自动清理，普通交互场景月占用通常低于100MB。

向量存储需要部署独立服务吗？

开发调试可使用内置LocalVectorStore，无需外部服务；生产环境建议部署Qdrant/Chroma/ES，提升检索性能与并发能力。

ReMe支持多用户记忆隔离吗？

支持。所有记忆操作均支持传入user_id、task_id等元数据，实现用户级、任务级精准隔离，保障数据安全。

如何处理敏感信息，避免隐私泄露？

ReMe支持记忆内容加密存储，可自定义敏感信息过滤规则，同时文件记忆可手动编辑删除敏感内容，满足隐私合规要求。

ReMe的记忆精炼会误删重要信息吗？

不会。精炼基于效用评分机制，高价值记忆会被强化，删除前会生成备份，同时支持手动恢复与调整评分策略。

支持自定义Embedding模型吗？

支持。可通过配置替换默认Embedding模型，适配本地私有化部署需求，提升数据安全性与检索效果。

ReMe可以部署在私有服务器吗？

完全可以。所有组件支持本地私有化部署，无云端依赖，数据不离开私有环境，适合金融、政务等敏感场景。

ReMe作为阿里巴巴通义实验室推出的AI智能体记忆管理框架，以解决上下文受限与会话无状态为核心目标，通过文件型与向量型双存储架构、四层记忆分层体系、自主记忆精炼机制，将智能体从简单上下文拼接升级为具备持续学习与经验迭代能力的生产级系统，兼具轻量化易用性与企业级扩展性，支持多场景快速落地，在基准测试中表现优异，且完全开源免费、可独立部署、可二次开发，既能无缝融入AgentScope生态，也能适配各类自定义Agent框架，是当前AI Agent开发中构建可靠记忆系统的优选方案，为智能体实现长期连贯交互、自主优化决策提供了关键技术支撑。