Memento

收录理由

许多智能体团队在提升效果时，往往只能二选一：要么租用更大的模型，要么反复付费微调。Memento换了一条路，它把每个完成的任务当作值得保留的经验，智能体只靠回忆以往成功做法就能越用越顺手，全程无需更新权重。一个元规划器先把查询拆成子任务，再从记忆库里检索最相关的案例，逐一交给执行器去调用MCP工具，完成后把结果写回案例库。记忆层既可以是不带参数的普通存储，也可以是一个小型训练检索器。项目自带可用的MCP工具，涵盖搜索、爬取、文档处理和代码执行，能直接嵌入现有技术栈，不必推倒重来。如果你在闭源或本地模型上运行任务型智能体，既想持续改进又不想付出重训成本，这个项目提供了一个具体可跑的参考，值得一看。