SimpleMem：面向 LLM Agent 的高效长效记忆系统 — 支持文本与多模态

通过语义无损压缩技术实现长效记忆的存储、压缩与检索。现已全面支持文本、图像、音频及视频等多模态数据。

适用于任何支持 MCP（文本记忆）或 Python 集成（全多模态）的 AI 平台。

🔥 最新动态

[2026/05/21] 📦 统一的 simplemem 软件包 — 一次导入，自动路由！ SimpleMem、Omni-SimpleMem 和 EvolveMem 现在整合在同一个软件包中。使用 from simplemem import SimpleMem 时，系统会根据你调用的第一个方法自动选择文本或多模态后端，调用 simplemem.optimize(...) 即可开启 EvolveMem 的自进化循环。通过 pip install -e . 一键安装。
[2026/05/14] 🧬 EvolveMem (v3.0) — 基于 AutoResearch 的自我进化记忆！ 检索基础设施现在可以通过 LLM 驱动的闭环诊断实现自我进化。在 LoCoMo 基准测试中，EvolveMem 较最强基线提升了 +25.7% (相对值)；在 MemBench 上提升了 +18.9% (相对值)。该系统发掘出了原始设计中不存在的全新检索维度。查看 EvolveMem →
[2026/04/02] 🧠 Omni-SimpleMem (v2.0) — 多模态记忆已上线！ SimpleMem 现在支持文本、图像、音频和视频记忆。在 LoCoMo (F1=0.613, +47%) 和 Mem-Gallery (F1=0.810, +51%) 上均创下了新的 SOTA 记录。查看 Omni-SimpleMem →
[2026/02/09] 🚀 跨会话记忆 — 性能超越 Claude-Mem 64%！ 查看跨会话文档 →
[2026/01/20] 📦 SimpleMem 现已发布在 PyPI！ 通过 pip install simplemem 进行安装。查看软件包使用指南 →
[2026/01/14] 🎉 SimpleMem MCP Server 已上线！ 云托管地址：mcp.simplemem.cloud。查看 MCP 文档 →
[2026/01/05] SimpleMem 论文已在 arXiv 发布！

🚀 快速开始

🧠 理解基本工作流

从宏观上看，SimpleMem 是一个为基于 LLM 的 Agent 提供长效记忆的系统。其工作流程包含三个简单的步骤：

存储信息 – 对对话或事实进行处理，并将其转化为结构化的原子化记忆。
索引记忆 – 使用语义嵌入（embeddings）和结构化元数据对存储的记忆进行组织。
检索相关记忆 – 当执行查询时，SimpleMem 会根据语义而非关键词检索最相关的存储信息。

这种设计使 LLM Agent 能够保持上下文、高效回顾历史信息，并避免重复处理冗余的历史记录。

🎓 基本用法

SimpleMem 以单一的 simplemem 软件包形式提供。默认的 mode="auto" 会自动检测并选择后端，无需手动配置：

from simplemem import SimpleMem

mem = SimpleMem()  # mode="auto" — 后端由第一次调用确定

你调用的第一个方法决定了所使用的后端：

第一次调用	选择的后端	原因
`add_dialogue()`	文本 (SimpleMem)	基于对话的 API → 文本模式
`add_text()` / `add_image()` / `add_audio()` / `add_video()`	Omni (Omni-SimpleMem)	多模态 API → 全能模式

📝 自动模式 → 文本 (纯文本输入)