# enterprise-agent-memory

**Repository Path**: wangyaning1130/enterprise-agent-memory

## Basic Information

- **Project Name**: enterprise-agent-memory
- **Description**: EAM - 企业级 Agent 记忆框架
🔥 核心特性：
• 分层记忆网络(HMN) - 5层记忆结构，模拟人脑记忆机制
• 动态记忆压缩(DMC) - 智能压缩策略，解决 Token 爆炸
• 自动晋升/降级 - 记忆根据重要性自动调整层级
• Spring Boot 集成 - 开箱即用，自动配置
🛠 技术栈：Java 17 + Spring Boot + Redis + Milvus

- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2026-06-09
- **Last Updated**: 2026-06-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EAM - Enterprise Agent Memory

[![License](https://img.shields.io/badge/license-Apache%202.0-blue.svg)](LICENSE)
[![Java](https://img.shields.io/badge/Java-17%2B-orange.svg)](https://www.java.com)
[![Spring Boot](https://img.shields.io/badge/Spring%20Boot-3.2%2B-green.svg)](https://spring.io/projects/spring-boot)

> 🚧 **开发中** - 这个项目还在开发阶段，API可能会变动

## 项目介绍

EAM 是一个企业级的 Agent 记忆框架，专注于解决 AI Agent 的长期记忆问题。

公司项目需要给 AI 客服加记忆功能，调研了一圈发现：
- LangChain4j 太简单，只有消息列表
- MemGPT 是 Python 的，我们技术栈是 Java
- 找不到合适的 Java 方案，只能自己搞

### 核心特性

- **分层记忆网络 (HMN)** - 5 层记忆结构，模拟人脑记忆机制
- **动态记忆压缩 (DMC)** - 智能压缩策略，解决 token 爆炸问题
- **自动晋升/降级** - 记忆根据重要性自动调整层级
- **Spring Boot 集成** - 开箱即用，自动配置

## 快速开始

### 环境要求

- JDK 17+
- Maven 3.8+
- Redis 6.0+（用于短期记忆）
- Milvus 2.0+（用于长期记忆，可选）

### 安装

```xml
<dependency>
    <groupId>com.eam</groupId>
    <artifactId>enterprise-agent-memory</artifactId>
    <version>0.1.0-SNAPSHOT</version>
</dependency>
```

### 配置

```yaml
eam:
  memory:
    redis:
      host: localhost
      port: 6379
    milvus:
      host: localhost
      port: 19530
```

### 使用示例

```java
@Autowired
private MemoryService memoryService;

// 存储记忆
Memory memory = Memory.builder()
    .content("用户喜欢Java")
    .agentId("agent-001")
    .userId("user-001")
    .build();
memoryService.store(memory);

// 检索记忆
MemoryQuery query = MemoryQuery.builder()
    .agentId("agent-001")
    .userId("user-001")
    .query("用户喜欢什么编程语言？")
    .build();
MemoryContext context = memoryService.retrieve(query);
```

## 项目结构

```
enterprise-agent-memory/
├── src/
│   └── main/
│       └── java/
│           └── com/eam/
│               ├── config/          # 自动配置
│               ├── core/
│               │   ├── algorithm/   # 核心算法
│               │   ├── model/       # 数据模型
│               │   ├── service/     # 业务服务
│               │   ├── storage/     # 存储实现
│               │   └── util/        # 工具类
│               └── example/         # 示例代码
├── docs/                            # 文档
│   ├── algorithms.md               # 算法详解
│   ├── architecture.md             # 架构设计
│   ├── quickstart.md               # 快速开始
│   └── api-reference.md            # API 参考
└── pom.xml                         # Maven 配置
```

## 核心算法

### 分层记忆网络 (HMN)

参考人脑记忆原理设计的 5 层记忆结构：

| 层级 | 名称 | 容量 | TTL | 说明 |
|------|------|------|-----|------|
| L1 | 工作记忆 | 3-5 条 | 1 小时 | 当前注意力焦点 |
| L2 | 短期记忆 | 10-20 条 | 24 小时 | 最近发生的事 |
| L3 | 中期记忆 | 50-100 条 | 7 天 | 较重要的信息 |
| L4 | 长期记忆 | 无限制 | 永久 | 重要且持久的信息 |
| L5 | 全局记忆 | 无限制 | 永久 | 跨会话共享知识 |

### 动态记忆压缩 (DMC)

根据记忆重要性选择不同压缩策略：

- **无损压缩** (重要性 > 0.8) - gzip 压缩，完整保留
- **混合压缩** (0.4 < 重要性 < 0.8) - 关键信息 + 摘要
- **有损压缩** (重要性 < 0.4) - 只保留摘要

## 开发计划

- [x] 核心算法实现
- [x] Redis 存储实现
- [x] Milvus 向量存储实现
- [ ] MySQL 存储实现
- [ ] REST API 层
- [ ] 基础测试用例
- [ ] 性能优化

## 贡献

欢迎提交 Issue 和 PR！

## 许可证

[Apache License 2.0](LICENSE)

## 联系我

有问题可以提 Issue，或者发邮件给我。

---

**开发时间**: 2026.01 - 至今