Skip to content
Stork.AIstork.ai
KI-Werkzeug

Agentmemory Bewertung

Agentmemory ist eine quelloffene persistente Speicherschicht, die für AI coding agents entwickelt wurde und es ihnen ermöglicht, Kontext über Sitzungen hinweg zu behalten und zu lernen.

shipped 18. Mai 2026aifreemium
ai
Agentmemory - AI tool for agentmemory. Professional illustration showing core functionality and features.

Warum es wichtig ist

1Erreicht 95,2% retrieval R@5 auf dem LongMemEval-S Benchmark (ICLR 2025, 500 Fragen).
2Reduziert den token usage um 92% im Vergleich zu traditionellen Methoden.
3Funktioniert ohne externe Datenbanken, läuft lokal.
4War im Mai 2026 das #1 Trend-Repository auf GitHub und sammelte 9.361 Sterne.

Stork’s verdict on Agentmemory

Agentmemory bietet lokal-priorisierten persistenten Speicher für Agenten, erfordert aber eine Entwicklerintegration über seine API.

Spezifikationen

API-Dokumentation

Dokumentation ansehen →

API verfügbar

Ja, öffentliche API

overview

Was ist Agentmemory?

Agentmemory ist ein persistentes Speicherschicht-Tool, das von Agentmemory entwickelt wurde und es AI coding agent Entwicklern ermöglicht, AI coding agents mit persistentem Speicher auszustatten. Es erfasst stillschweigend agent Aktionen, komprimiert sie zu durchsuchbarem Speicher und injiziert relevanten Kontext in zukünftige Sitzungen. Dieses System behebt die Einschränkung zustandsloser KI-Modelle, indem es agents ermöglicht, auf früheren Arbeiten aufzubauen, Präferenzen zu speichern und Fehler über mehrere Interaktionen hinweg zu vermeiden. Es fungiert als „computational exocortex“ für AI agents, indem es den Large Language Model (LLM) Speicher eines agents mit einem persistenten Speicherverwaltungssystem integriert.

features

Hauptmerkmale von Agentmemory

Agentmemory bietet eine robuste Reihe von Funktionen, die darauf ausgelegt sind, die Fähigkeiten von AI coding agents durch die Bereitstellung von persistentem, durchsuchbarem Speicher zu verbessern. Seine Architektur konzentriert sich auf Effizienz, lokalen Betrieb und breite Kompatibilität, um sicherzustellen, dass agents Kontext über die Zeit hinweg aufrechterhalten und lernen können, ohne auf externe Infrastruktur angewiesen zu sein. Das Design des Systems priorisiert benchmark-gesteuerte Leistung und Entwicklererfahrung, wie die schnelle Entwicklung und Funktionserweiterungen belegen.

  • Persistenter Speicher für AI coding agents, der die Kontextbeibehaltung über Sitzungen hinweg ermöglicht.
  • Lokale Bereitstellung ohne externe Datenbanken, was die Einrichtung vereinfacht und Abhängigkeiten reduziert.
  • Kompatibilität mit jedem agent, der hooks, MCP oder REST API unterstützt, einschließlich Cursor und Gemini CLI.
  • Stilles Auto-Capture von agent Aktionen, einschließlich prompts, tool calls, Ergebnissen und Antworten.
  • Komprimierung erfasster Aktionen in durchsuchbaren Speicher für effizientes retrieval.
  • Injektion relevanten Kontexts in zukünftige Sitzungen, wodurch der token usage um 92% reduziert wird.
  • Hybrides retrieval System, das eine vierstufige Speicherpipeline mit reziproker Rangfusion (BM25 + vector search + knowledge graph) nutzt.
  • Session replay Funktionalität über einen Viewer, die es Benutzern ermöglicht, durch aufgezeichnete Interaktionen zu scrubben.
  • Enthält einen agentmemory doctor Befehl zur Diagnose des stack und eine iii-console install probe.
  • Unterstützt CJK (Chinesisch, Japanisch, Koreanisch) tokenizer für die BM25 search, was das mehrsprachige retrieval verbessert.

use cases

Wer sollte Agentmemory nutzen?

Agentmemory wurde primär für Entwickler und Teams entwickelt, die mit AI coding agents arbeiten, und bietet Lösungen für gängige Herausforderungen im Zusammenhang mit zustandslosen KI-Modellen. Seine Fähigkeiten erstrecken sich auf verschiedene Anwendungen, bei denen persistenter Kontext und Lernen für die agent Leistung und Benutzerzufriedenheit entscheidend sind.

  • AI coding agent Entwickler: Um persistenten Speicher für agents wie Claude Code oder Cursor bereitzustellen, der es ihnen ermöglicht, Projektarchitektur, frühere Bugs und Benutzerpräferenzen über Sitzungen hinweg zu speichern.
  • Entwickler, die AI agents bauen: Um Kontext über agent Konversationen und Sitzungen hinweg aufrechtzuerhalten, wodurch agents aus früheren Interaktionen lernen und komplexe, mehrstufige Aufgaben unterstützen können.
  • Unternehmen, die Workflow-Automatisierung implementieren: Für speichergestützte agents, um den Konversationsverlauf zu pflegen, Kundenpräferenzen zu speichern und aus früheren Interaktionen in Bereichen wie dem Kundenservice zu lernen.
  • Entwickler von Multi-Session-Anwendungen: Um persönlichen AI assistants zu ermöglichen, sich an Benutzerpräferenzen anzupassen und den Fortschritt über längere Benutzerinteraktionen hinweg zu verfolgen.
  • Teams, die agentic code review durchführen: Um code review agents zu ermöglichen, frühere irrelevante Kommentare oder markierte Muster zu speichern, was im Laufe der Zeit zu fokussierteren und intelligenteren Reviews führt.

pricing

Agentmemory Preise & Pläne

Agentmemory basiert auf einem Freemium-Modell und bietet seine Kernfunktionalität kostenlos an. Dies ermöglicht es Entwicklern, seine persistente Speicherschicht für AI coding agents ohne anfängliche Kosten zu integrieren und zu nutzen, insbesondere für lokale Bereitstellungen. Der Open-Source-Charakter des Projekts unterstützt zusätzlich seine Zugänglichkeit und die gemeinschaftsgetriebene Entwicklung.

  • Freemium: Kostenlos (beinhaltet Kernfunktionalität für lokale Bereitstellung und Integration mit verschiedenen agents).

Ähnliche Tools

Agentmemory vs. Wettbewerber

Agentmemory hebt sich in der AI agent Speicherlandschaft durch seinen benchmark-gesteuerten Ansatz, seine lokalen Bereitstellungsfähigkeiten und sein hybrides retrieval System ab. Während mehrere Alternativen Speicherlösungen für AI agents anbieten, bietet Agentmemorys Fokus auf messbare Leistung und keine externen Datenbankanforderungen ein einzigartiges Wertversprechen.

1
Mem0On StorkCompare

Mem0 provides a dedicated, intelligent memory layer for AI applications with multi-level memory scopes and hybrid memory retrieval.

Similar to Agentmemory, Mem0 focuses on enhancing AI agents with personalized, persistent memory, offering a fully managed service option and SDKs. It explicitly supports multi-level memory (user, session, agent) and a graph layer for relationships, which expands on Agentmemory's core retrieval and token efficiency.

2
ZepOn StorkCompare

Zep is a long-term memory store designed specifically for conversational AI, excelling in extracting facts, summarizing conversations, and providing temporal and semantic search.

Zep primarily targets conversational AI applications, emphasizing temporal relationships and progressive summarization, which offers a more specialized focus compared to Agentmemory's broader application for coding agents. It provides both semantic and temporal search capabilities.

3
Letta (formerly MemGPT)↗

Letta employs an operating system-like architecture to manage a 'virtual context,' allowing agents to access significantly more memory than typical context window limits.

Letta's approach to memory involves managing a 'virtual context' and providing explicit control over memory blocks, representing a different architectural paradigm than Agentmemory's focus on retrieval efficiency. It is open-source and self-hosted, aligning with Agentmemory's '0 external databases' for potential self-hosting.

4
Supermemory.ai↗

Supermemory.ai offers a comprehensive five-layer memory solution, including user profiles, a memory graph, and a custom vector graph engine for deep understanding and context.

Supermemory.ai positions itself as an all-in-one memory solution with multiple integrated layers, aiming to replace several services. This contrasts with Agentmemory's focus on a single, efficient memory layer without external databases, suggesting Supermemory.ai might offer a broader, more complex suite of memory functionalities.

Agentmemory besuchen↗
Kontakt
𝕏
X / Twittertwitter.com/agentmemory

AI Reputation Report

Is Agentmemory yours?

ChatGPT, Perplexity, Gemini, Claude & Grok answer buyer questions about Agentmemory every day. See whether they name Agentmemory — or send buyers to a rival.

See what AI saysfree preview