AI代理记忆状态层
BaseGrid 是面向 AI Agent 的“记忆与状态”基础设施,目标是让开发者不用自建向量数据库、缓存和检索管线,就能给 Agent 增加持久化记忆。官方主打 4 类简单操作,如 store/recall/search/forget,或 add/search/update/delete,并宣称 p95 检索延迟低于 200ms、99.9% uptime、日调用 250万+。
从能力看,BaseGrid 更像 Agent memory API,而非通用大模型产品。它支持 conversational、factual、procedural、episodic、semantic 等记忆类型,并可用语义+关键词混合搜索召回上下文。多模态记忆支持把图片 URL 与文本一起存储,并使用 Gemini 1.5 Flash 自动分析图片,使图片可被语义检索。它兼容 OpenAI、Claude、Gemini、Mistral 和本地 LLM,并支持 LangChain、LlamaIndex、CrewAI、AutoGen、Vercel AI SDK。
定价信息较透明。免费试用为 2 个月,包含 3 个 agents、30K memories、100K API calls/month 和完整 Pro 功能,且页面提到无需信用卡。付费档从 Pro Starter ₹4,100/月起,到 Pro Plus ₹6,600/月、Scale ₹16,500/月,分别提升 memories、调用量、支持响应和 SLA。支付由 Razorpay 提供,是否适合中国银行卡或企业付款未说明。
优点是 API 简洁、SDK 覆盖 Node.js/Python/Go/React Native,适合快速接入;同时提供团队协作、RBAC、分析仪表盘、MCP Server 和 Docker 自托管,具备一定生产化考虑。缺点是产品和公司时间线较新,官方性能数据缺少第三方验证;AI Optimization、SSO、GraphQL、角色变更等部分能力仍处于 Beta、Planned 或 Coming Soon;中文界面和中文文档也未见说明。
它适合正在构建客服机器人、个性化助手、移动端 AI Agent、RAG 应用和多智能体系统的开发团队,尤其是希望快速拥有长期记忆而不想维护向量数据库的团队。中国访问情况抓取内容未说明,判定为未知;网络、支付和合规要求较高的团队应先测试连通性、Razorpay 支付可用性,并评估自托管方案。可替代方案包括 Mem0、Pinecone、Weaviate 或基于 LangChain/LlamaIndex 自建记忆层。
本测评基于公开资料整理,不构成购买建议,请以 basegrid.io 官网实际信息为准。
MCP原生、可自托管,适合Agent开发者。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。