让每个 AI Agent 都拥有可持续进化的长期记忆。
Memaster 是可即插即用的 AI 记忆基础设施，帮助应用跨会话记住用户偏好、业务事实、历史决策和关键上下文。
from memaster import MemoryClient
memory = MemoryClient(api_key="MEMASTER_API_KEY")
memory.add(
user_id="alice",
messages="我偏好中文回复，并且正在评估私有化 AI 记忆方案。",
)
context = memory.search(
user_id="alice",
query="如何给这个用户推荐方案？",
)
agent.run("生成下一步建议", context=context)Developer Proof
用结果说话，不靠反复解释。
Memaster 把长期记忆压缩、检索、治理和可观测做成统一基础设施，让团队可以用指标验证上下文质量，而不是反复堆 prompt。
压缩长对话，只保留可复用事实。
按 user、agent、project 精准过滤。
读写记录可审计、可编辑、可删除。
Product
一套面向生产 AI 的长期记忆基础设施。
Memaster 将记忆提取、压缩、检索、治理和企业级部署整合为统一平台，让开发者更快构建可持续学习的 AI Agent。
Persistent Context
跨用户、会话、Agent 和工作流保留关键上下文，让 AI 真正随时间学习。
Memory Compression
把冗长对话自动沉淀为紧凑记忆，减少重复上下文和 token 浪费。
Relevant Recall
在每次交互中召回真正相关的偏好、事实、决策和历史行为。
Governed Memory
记忆可查看、可编辑、可删除、可审计，适合企业生产环境落地。
Agent-native Integration
通过 SDK、REST API 和插件接入客服、销售、教育、助手等 Agent 应用。
Fast by Design
用结构化记忆替代无边界历史堆叠，让响应更快、上下文更精准。
Write. Distill. Recall.
输入任何交互，Memaster 自动沉淀长期记忆。
保持现有 Agent 编排不变，把记忆写入、提取和召回变成稳定 API 能力。
Add
通过 SDK、REST API 或 AI 编辑器 Skills 写入用户对话、业务事件和 Agent Trace。
Learn
自动抽取偏好、事实、实体关系和历史决策，并压缩为结构化长期记忆。
Retrieve
在新会话和新任务中按用户、项目、Agent 和 metadata 召回最相关上下文。
How it works
从输入到召回，三步构建长期上下文。
无需重写 Agent 编排。把 Memaster 放进现有链路，让它负责提取、压缩、更新和检索记忆。
Capture
接入聊天、业务事件、CRM、知识库或 Agent Trace。
Understand
自动提取用户偏好、实体关系、长期事实和业务上下文。
Recall
按用户、Agent、会话和场景召回关键记忆，生成个性化响应。
Domain-aware memory
记住每个业务里真正重要的事。
不同 Agent 需要记住不同上下文。Memaster 通过 metadata、scope 和 tags 让记忆适配客服、销售、教育和企业助手等场景。
AI 客服
记住客户历史、偏好、工单进展和已承诺事项，让每次服务都延续上下文。
销售 CRM
沉淀联系人异议、成交阶段、下一步动作和关键决策人信息。
教育陪练
持续跟踪学习节奏、薄弱点、答题偏好和阶段目标，生成个性化教学路径。
企业助手
记住团队规则、项目决策、会议结论和协作上下文，减少重复沟通。
Developer Resources
从文档、示例到开源仓库，快速完成接入。
查看 API、SDK、AI 编辑器集成和 GitHub 仓库，选择最适合你的接入路径。