awesome-ai-memory

При разработке AI-агентов самая больная тема это как дать большой модели нормальную "долгую память". На рынке куча вариантов: векторные БД, графовые БД, разные memory-фреймворки. От выбора быстро начинает кипеть голова.

На GitHub попался проект awesome-ai-memory. Это по сути панорама инструментов вокруг AI-памяти, собранная в одном месте.

Инструменты четко разделены на open-source и closed-source, удобно сразу отсеять то, что не хочется тащить в прод по причинам контроля и лицензий.

Есть сравнение по базовой архитектуре хранилища: Graph, Vector или гибрид (и то и другое). Это прям в точку, потому что обычно выбор упирается именно в это.

Дальше все разложено по категориям: memory-компоненты, dev-фреймворки, оптимизаторы и базовые стореджи, чтобы искать не по названию, а по задаче.

Список оформлен таблицей: видно ключевые различия между популярными проектами вроде Cognee, Mem0, Zep и т.д., чтобы не блуждать в выборе инфраструктуры.

Если ты сейчас строишь AI-приложение или копаешь RAG-архитектуру, эту штуку реально стоит сохранить как шпаргалку.

📁 Language: #Python 100%

⭐️ Stars: 434

➡️ Cсылка на GitHub

📱 @git_developer