• [02/09/2026] 🚀 Memoria Cross-Session disponibile - 64% più performante di Claude-Mem! SimpleMem ora supporta memoria persistente tra le conversazioni. Nel benchmark LoCoMo, SimpleMem ottiene un miglioramento del 64% rispetto a Claude-Mem. I tuoi agenti ora possono ricordare automaticamente contesto, decisioni e apprendimenti dalle sessioni precedenti. Documentazione Cross-Session →
• [01/20/2026] SimpleMem è ora disponibile su PyPI! 📦 Installa direttamente con pip install simplemem. Guida all'uso del pacchetto →
• [01/18/2026] SimpleMem ora supporta Claude Skills! 🚀
• [01/14/2026] Il server MCP di SimpleMem è LIVE e Open Source! 🎉 Servizio di memoria cloud su mcp.simplemem.cloud. Documentazione MCP →
• [01/05/2026] L'articolo SimpleMem è stato pubblicato su arXiv!

---

SimpleMem è un framework di memoria efficiente basato sulla compressione semantica senza perdita che affronta la sfida fondamentale della memoria a lungo termine efficiente per agenti LLM. SimpleMem massimizza la densità informativa e l'utilizzo dei token attraverso una pipeline a tre stadi:

🔍 Stadio 1 Compressione Strutturata Semantica Distilla interazioni non strutturate in unità di memoria compatte con indicizzazione multi-vista

🗂️ Stadio 2 Sintesi Semantica Online Integra istantaneamente il contesto correlato in rappresentazioni astratte unificate per eliminare la ridondanza

🎯 Stadio 3 Pianificazione del Recupero Consapevole dell'Intento Deduce l'intento di ricerca per determinare dinamicamente l'ambito di recupero

---

---

git clone https://github.com/aiming-lab/SimpleMem.git
cd SimpleMem
pip install -r requirements.txt
cp config.py.example config.py

---

from main import SimpleMemSystem

system = SimpleMemSystem(clear_db=True)
system.add_dialogue("Alice", "Bob, let's meet at Starbucks tomorrow at 2pm", "2025-11-15T14:30:00")
system.add_dialogue("Bob", "Sure, I'll bring the market analysis report", "2025-11-15T14:31:00")
system.finalize()

answer = system.ask("When and where will Alice and Bob meet?")
print(answer)

---

🌐 Servizio Cloud: mcp.simplemem.cloud

{
  "mcpServers": {
    "simplemem": {
      "url": "https://mcp.simplemem.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
      }
    }
  }
}

📖 Documentazione MCP

---

python test_locomo10.py
python test_locomo10.py --num-samples 5

---

@article{simplemem2025,
  title={SimpleMem: Efficient Lifelong Memory for LLM Agents},
  author={Liu, Jiaqi and Su, Yaofeng and Xia, Peng and Zhou, Yiyang and Han, Siwei and  Zheng, Zeyu and Xie, Cihang and Ding, Mingyu and Yao, Huaxiu},
  journal={arXiv preprint arXiv:2601.02553},
  year={2025},
  url={https://github.com/aiming-lab/SimpleMem}
}

Questo progetto è sotto Licenza MIT - vedi LICENSE.

• 🔍 Modello di Embedding: Qwen3-Embedding
• 🗄️ Database Vettoriale: LanceDB
• 📊 Benchmark: LoCoMo