用途：GAM（General Agentic Memory）是面向大语言模型的模块化智能体文件系统框架，为 LLM 智能体提供结构化记忆与运行环境，自动切分内容、生成记忆摘要并按层级组织，支持文本文档、长视频和智能体轨迹。
主要能力：支持文本、视频、long-horizon（智能体轨迹）三类任务；可增量添加内容而无需重建已有记忆；提供分块、记忆摘要、分层分类目录与向量嵌入；检索时可配置 top_k 与 rerank。
使用方式：安装可用 pip install -e ".[all]"，或按需 pip install -e ".[video]"、".[api]"、".[web]"。通过环境变量配置模型，如 GAM_API_KEY、GAM_MODEL、GAM_API_BASE，聊天模型可用 GAM_CHAT_API_KEY 等。Python SDK 以 Workflow 为主接口，例如 Workflow(task_type="text", gam_dir="./my_gam")，再调用 wf.add(input_file=...) 与 wf.request(...)。CLI 提供 gam-add 与 gam-request，例如 gam-add --type text --gam-dir ./my_gam --input paper.pdf。REST API 通过 create_app 启动，端点包括 POST /add、POST /request、GET /health、GET /docs。Web 界面可运行 examples/run_web.py，默认访问 http://localhost:5000。
适用场景：多文档知识库、视频讲座分析、智能体执行轨迹的记忆与检索，以及学术研究基准（如 LoCoMo、HotpotQA、RULER、NarrativeQA）。
限制：需自行提供 LLM API 密钥与模型；视频、API、Web 功能需安装对应可选依赖；资料未提供具体收费、价格或性能指标。