为AI助手提供持久记忆
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
MemoryGraph 是一款专为 AI 助手设计的持久化记忆系统。它基于 MCP（模型上下文协议）构建，通过知识图谱而非单纯的向量数据库来存储记忆，使 AI 能够跨会话记住对话、代码模式和解决方案，并理解记忆间的因果关系。
AI能力与模型：MemoryGraph 本身不是大模型，而是记忆中间件。其核心优势在于利用图谱结构（如 SOLVES、DEPENDS_ON 等类型化边）保留上下文与因果联系，相比扁平的向量检索，能精准回答“什么解决了X”而非仅仅是“什么与X相似”。
API与集成：深度融入 MCP 生态，支持 Claude Code/Desktop、Cursor、VS Code Copilot 等，并提供 Cloud REST API 及即将推出的 Python/Node.js SDK，兼容 LangChain、LlamaIndex 等主流框架。
数据隐私：遵循本地优先和默认隐私原则，默认使用 SQLite，数据传输与静态均加密，承诺不用于模型训练，且支持完全自托管。
输出质量与局限：引用 DeepMind 基准测试，其图谱记忆在经验复用上显著优于 Mem0 等纯向量方案。但局限在于它非自主代理，需用户在 CLAUDE.md 等处手动配置“记忆指令”才能有效触发存储与召回；此外，云服务后端尚在候补阶段。
开源 MCP 服务器永久免费；云服务分三档：Pro $5/月（10万记忆），Ultra $50/月（50万记忆），Team $100/月（无限记忆/10用户）。自托管完全免费，对开发者极为友好。
优点：图谱记忆保真度高、本地优先隐私好、开源可自托管、后端数据可无缝迁移。缺点：需手动配置指令门槛略高、云服务尚未全面上线、最佳自动化体验依赖 Claude Code 插件。
重度依赖 AI 编程的开发者、需要 AI 跨会话保持上下文的团队、对数据隐私有高要求且具备一定技术背景的用户。
官网域名 .dev 及 API 域名通常需代理访问，支付方式未明（大概率需外币信用卡）。替代品为文中提及的 Mem0。
本测评基于公开资料整理,不构成购买建议,请以 memorygraph.dev 官网实际信息为准。
AI长期记忆基础设施，适合开发者接入。
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。