memU
NevaMind-AI
Memory-Framework für proaktive KI-Agents - typisierter Memory-Graph aus Chats, Dokumenten und Medien.
Was ist memU?
memU ist ein Python-first-Memory-Framework, das Konversationen, Dokumente, Bilder, Videos, Audio und lokale Dateien in einen typisierten Memory-Graph (Resources, MemoryItems, Categories, Relations) umwandelt. Es unterstützt SQLite- und PostgreSQL-Backends, konfigurierbares LLM-Routing für Chat/Embedding/Vision/Transkription und bietet eine managed API neben Self-Hosting.
Vor- & Nachteile
Pros
- Typisierte Memory-Kategorien (Profile, Event, Knowledge, Behavior, Skill, Tool) für strukturiertes Retrieval
- Steckbarer Speicher (In-Memory, SQLite, PostgreSQL) mit pgvector-Beispielen
- Aktive Multi-Contributor-Entwicklung
Cons
- GitHub zeigt NOASSERTION (Apache-2.0 nur via README-Badge bestätigt)
- Neuere Commits sind größtenteils Dokumentation und Bug-Fixes
- Kleineres Ökosystem als Mem0 oder MemOS
Lizenz
Apache-2.0 (OSI-open)
Wann interessant
Python-Agent-Projekte, die stark typisiertes, durchsuchbares Memory mit flexiblem Speicher und minimaler Infrastruktur benötigen.
Wann zu früh
Projekte, die ausgereifte SDK-Unterstützung jenseits von Python oder Echtzeit-multimodales Memory im großen Maßstab benötigen.
Kommerzielle Alternative & Verwandtes
- Kommerzielles Pendant: Mem0
Dieses Repo war in der Ausgabe 2026-07 des Open-Source-KI-Radars.
claude-mem
thedotmack
Persistente Memory-Schicht über Agent-Sessions hinweg mit automatischen semantischen Zusammenfassungen und Token-Kosten-Transparenz.
graphify
safishamsi
KI-Coding-Skill, der einen Ordner aus Code, Docs und Bildern in einen abfragbaren Knowledge Graph verwandelt, über rund 20 Agents hinweg.
MemOS
MemTensor
Selbst-evolvierendes Memory-OS für LLMs und KI-Agents mit gestuftem L1-L3-Memory.