Mnemora เป็น open-source serverless memory database ที่ออกแบบมาสำหรับ AI agent โดยเฉพาะ ทำงานบน AWS-native stack โดยมีจุดเด่นคือความเร็วสูงและการจัดการความจำหลายประเภทใน API เดียว
4 ประเภทความจำใน API เดียว
Working Memory
เป็น key-value state ที่เก็บใน DynamoDB มีความเร็วสูงด้วย latency น้อยกว่า 10ms พร้อมกับ optimistic locking และ TTL (Time-To-Live) ทำให้เหมาะสำหรับเก็บข้อมูลชั่วคราวที่ต้องการความเร็วสูง
Semantic Memory
Text จะถูกแปลงเป็น vector ขนาด 1024 มิติโดยอัตโนมัติผ่าน Bedrock Titan และเก็บใน Aurora pgvector ระบบมี dedup อัตโนมัติเมื่อ cosine similarity มากกว่า 0.95 ช่วยลดการซ้ำซ้อนของข้อมูล
Episodic Memory
เป็น append-only time-series event log ที่แยกการเก็บข้อมูลเป็น hot data ใน DynamoDB และ cold data ใน S3 ทำให้มีความยืดหยุ่นสูงและสามารถจัดการข้อมูลปริมาณมากได้อย่างมีประสิทธิภาพ
Procedural Memory
เก็บ tool definitions, schemas และ prompt templates ใน Postgres โดยมีการควบคุมเวอร์ชันอย่างเป็นระบบ ทำให้สามารถจัดการการเปลี่ยนแปลงของเครื่องมือและเทมเพลตได้อย่างมีประสิทธิภาพ
ความแตกต่างจากเครื่องมืออื่น
Mnemora มีจุดเด่นสำคัญคือ ไม่ต้องใช้ LLM ใน CRUD path ซึ่งต่างจาก Mem0 และ Letta ที่ใช้ LLM ทุก operation ทำให้ Mnemora เร็วกว่าและมีค่าใช้จ่ายต่ำกว่า เมื่อเปรียบเทียบกับ Mem0, Zep และ Letta — Mnemora จะเร็วกว่า เป็น serverless แบบเต็ม และมี multi-tenant ที่สร้างมาแล้ว
Integrations
Mnemora รองรับการทำงานร่วมกับเครื่องมือหลักๆ ใน AI ecosystem: LangGraph (CheckpointSaver แบบ native) LangChain Memory CrewAI Storage
Self-host และ SDK
สำหรับผู้ที่ต้องการติดตั้งเองสามารถ deploy ด้วย AWS CDK (ประกอบด้วย DynamoDB + Aurora Serverless v2 + Lambda ARM64 + API Gateway + S3) โดยมี idle cost ประมาณ $15/เดือน
SDK รองรับภาษา Python ผ่านคำสั่ง pip install mnemora และสามารถขอ API key ได้ที่ mnemora.dev
Mnemora จึงเป็นตัวเลือกที่น่าสนใจสำหรับ AI agent ที่ต้องการระบบความจำที่มีประสิทธิภาพสูงและมีค่าใช้จ่ายที่เหมาะสม โดยเฉพาะสำหรับระบบที่ต้องการความเร็วสูงและสามารถขยายตัวได้
อ่านต้นฉบับ: https://github.com/mnemora-ai/mnemora