Lưu trữ, nén và truy xuất bộ nhớ dài hạn với nén ngữ nghĩa không mất mát. Tương thích với Claude, Cursor, LM Studio và nhiều nền tảng khác.
Hoạt động với mọi nền tảng AI hỗ trợ MCP hoặc tích hợp Python
|
Claude Desktop |
Cursor |
LM Studio |
Cherry Studio |
Gói PyPI |
+ Mọi MCP Client |
🇨🇳 中文 •
🇯🇵 日本語 •
🇰🇷 한국어 •
🇪🇸 Español •
🇫🇷 Français •
🇩🇪 Deutsch •
🇧🇷 Português
🇷🇺 Русский •
🇸🇦 العربية •
🇮🇹 Italiano •
🇻🇳 Tiếng Việt •
🇹🇷 Türkçe
Tổng Quan • Bắt Đầu Nhanh • Máy Chủ MCP • Đánh Giá • Trích Dẫn
- [02/09/2026] 🚀 Bộ nhớ xuyên phiên khả dụng - Vượt trội hơn Claude-Mem 64%! SimpleMem hiện hỗ trợ bộ nhớ liên tục qua các cuộc hội thoại. Trong benchmark LoCoMo, SimpleMem đạt cải thiện 64% so với Claude-Mem. Các agent của bạn giờ có thể tự động nhớ lại ngữ cảnh, quyết định và kiến thức từ các phiên trước. Tài liệu Cross-Session →
- [01/20/2026] SimpleMem đã có trên PyPI! 📦 Cài đặt trực tiếp với
pip install simplemem. Xem Hướng Dẫn Sử Dụng → - [01/18/2026] SimpleMem hỗ trợ Claude Skills! 🚀
- [01/14/2026] Máy chủ MCP SimpleMem đã hoạt động và mã nguồn mở! 🎉 Dịch vụ bộ nhớ đám mây tại mcp.simplemem.cloud. Tài liệu MCP →
- [01/05/2026] Bài báo SimpleMem được công bố trên arXiv!
SimpleMem là một framework bộ nhớ hiệu quả dựa trên nén ngữ nghĩa không mất mát, giải quyết thách thức cốt lõi về bộ nhớ dài hạn hiệu quả cho tác tử LLM. SimpleMem tối đa hóa mật độ thông tin và tận dụng token thông qua pipeline ba giai đoạn:
|
Nén Có Cấu Trúc Ngữ Nghĩa Chưng cất tương tác phi cấu trúc thành đơn vị bộ nhớ gọn gàng với chỉ mục đa góc nhìn |
Tổng Hợp Ngữ Nghĩa Trực Tuyến Tích hợp tức thì ngữ cảnh liên quan thành biểu diễn trừu tượng thống nhất để loại bỏ dư thừa |
Lập Kế Hoạch Truy Xuất Nhận Biết Ý Định Suy luận ý định tìm kiếm để xác định phạm vi truy xuất một cách linh hoạt |
| Mô hình | ⏱️ Xây Dựng | 🔎 Truy Xuất | ⚡ Tổng | 🎯 F1 Trung Bình |
|---|---|---|---|---|
| A-Mem | 5140.5s | 796.7s | 5937.2s | 32.58% |
| LightMem | 97.8s | 577.1s | 675.9s | 24.63% |
| Mem0 | 1350.9s | 583.4s | 1934.3s | 34.20% |
| SimpleMem ⭐ | 92.6s | 388.3s | 480.9s | 43.24% |
git clone https://github.com/aiming-lab/SimpleMem.git
cd SimpleMem
pip install -r requirements.txt
cp config.py.example config.pyfrom main import SimpleMemSystem
system = SimpleMemSystem(clear_db=True)
system.add_dialogue("Alice", "Bob, let's meet at Starbucks tomorrow at 2pm", "2025-11-15T14:30:00")
system.add_dialogue("Bob", "Sure, I'll bring the market analysis report", "2025-11-15T14:31:00")
system.finalize()
answer = system.ask("When and where will Alice and Bob meet?")
print(answer)| 📈 +411% LoCoMo F1 |
📈 +214% Mem-Gallery F1 |
⚡ 5.81 q/s 3.5x faster |
🧠 4 modalities Text · Image · Audio · Video |
📖 Full documentation: Omni-SimpleMem →
🌐 Dịch Vụ Đám Mây: mcp.simplemem.cloud
{
"mcpServers": {
"simplemem": {
"url": "https://mcp.simplemem.cloud/mcp",
"headers": {
"Authorization": "Bearer YOUR_TOKEN"
}
}
}
}- Omni cross-session memory
- Omni MCP server
- Omni Docker support
- Omni PyPI package
- Streaming ingestion
- Multi-agent memory sharing
python test_locomo10.py
python test_locomo10.py --num-samples 5@article{simplemem2025,
title={SimpleMem: Efficient Lifelong Memory for LLM Agents},
author={Liu, Jiaqi and Su, Yaofeng and Xia, Peng and Zhou, Yiyang and Han, Siwei and Zheng, Zeyu and Xie, Cihang and Ding, Mingyu and Yao, Huaxiu},
journal={arXiv preprint arXiv:2601.02553},
year={2025},
url={https://github.com/aiming-lab/SimpleMem}
}Dự án này được cấp phép theo Giấy Phép MIT - xem tệp LICENSE.
- 🔍 Mô Hình Embedding: Qwen3-Embedding
- 🗄️ Cơ Sở Dữ Liệu Vector: LanceDB
- 📊 Benchmark: LoCoMo

