Memary vs MinerU

Side-by-side comparison of two AI agent tools

Short answer

  • Memary has had no commit in 23 months; MinerU is actively maintained (905 commits in the last 90 days).
  • MinerU is growing faster: +3,732 GitHub stars in the last 30 days vs +12 for Memary.
  • Pick Memary for: the Open Source Memory Layer For Autonomous Agents. Pick MinerU for: transforms complex documents like PDFs into LLM-ready markdown/JSON for your Agentic workflows.

From GitHub data refreshed daily.

Memaryopen-source

The Open Source Memory Layer For Autonomous Agents

MinerUfree

Transforms complex documents like PDFs into LLM-ready markdown/JSON for your Agentic workflows.

Metrics

MemaryMinerU
Stars2.7k81.0k
Star velocity /mo11.8421052631578963.7k
Commits (90d)0905
Releases (6m)010
Downloads (30d, npm + PyPI)40—
Overall score0.19523019434777280.8796799796634358

Pros

  • +开源透明的记忆管理系统，允许完全自定义和扩展记忆机制
  • +同时支持本地模型（Ollama）和云端模型（OpenAI），提供灵活的部署选择
  • +内置模型切换功能，可以无缝在不同AI提供商之间切换而无需重写代码
  • +专门针对 LLM 优化的输出格式，确保转换后的 Markdown/JSON 能够被 AI 模型高质量理解和处理
  • +支持复杂 PDF 文档的结构化解析，保持表格、图像和文本布局的完整性
  • +提供 Python SDK 和 Web 应用双重接口，既适合程序化集成也支持交互式使用

Cons

  • -严格的Python版本限制（<=3.11.9），可能与较新的开发环境不兼容
  • -复杂的初始配置，需要设置多个API密钥和数据库连接
  • -依赖特定的模型框架和外部服务，增加了系统的复杂性和维护成本
  • -主要专注于 PDF 处理，对其他文档格式的支持可能有限
  • -复杂文档的处理质量可能依赖于原始文档的质量和结构清晰度
  • -大规模批量处理时可能需要考虑计算资源和处理时间的平衡

Use Cases

  • •构建需要跨会话保持记忆的AI客服或助手系统，提供个性化的用户体验
  • •开发具有长期学习能力的自主AI智能体，用于复杂的决策和规划任务
  • •创建多轮对话AI应用，如教育助手或咨询系统，需要记住历史交互内容
  • •构建 RAG（检索增强生成）系统时，将企业内部 PDF 文档转换为向量数据库可索引的格式
  • •为 AI 代理开发智能文档分析功能，自动提取和结构化合同、报告中的关键信息
  • •建立知识管理系统，将历史文档资料转换为可搜索和可查询的结构化数据
View Memary DetailsView MinerU Details

FAQ

Which is more popular, Memary or MinerU?
MinerU has more GitHub stars (81,025 vs 2,653).
Which is more actively developed, Memary or MinerU?
MinerU had more commits in the last 90 days (905 vs 0).
Should I use Memary or MinerU?
Compare their capabilities, limitations and "best for" notes above. Trying each on a small task is the fastest way to decide.