跳转到内容
逍遥自在轩

Mem0 - 开源琅嬛阁

mem0ai/mem0

The Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.

398
752
65,403
7.7k
github.com · mem0ai/mem0
Agent知识管理开发工具
官方主页 / 文档 在 GitHub 查看

项目介绍

Mem0（读作 mem-zero）是面向 AI Agent 与助手的长期记忆层：从对话里抽出用户偏好、事实与确认过的动作，按用户 / 会话 / Agent 分层存储，下次检索相关片段再注入上下文。它不是完整 Agent 框架，而是可插入现有应用的记忆基础设施；同一套心智模型覆盖 Python/JS SDK、自托管 Docker 栈，以及托管平台。

核心特性

  • 多层记忆：按 user_id / 会话 / Agent 作用域保留状态，支持个性化而不是把整段历史塞进 prompt
  • 三种部署：pip install mem0ai 当库用、docker compose 自托管带 Dashboard、或 Mem0 Platform 零运维托管
  • 多信号检索：语义向量、BM25 关键词与实体链接并行打分后融合；新算法还加入时间感知检索
  • 开发者入口齐全：Python / Node SDK、CLI（mem0 add / search），以及 Claude Code、Cursor、OpenCode 等 Agent Skills
  • 框架集成：文档覆盖 LangChain、CrewAI、LangGraph、Vercel AI SDK 等常见 Agent 栈

对用户价值

每次开新会话都要用户重申饮食禁忌、编码偏好或工单历史，既浪费 token，也让助手显得「失忆」。Mem0 把对话压成可检索的事实条目，查询时只取回相关几条，而不是整段 transcript。库模式适合原型；团队要数据不出域可自托管；不想养向量库与 LLM 抽取流水线时用托管平台。官方 2026 年 4 月基准（LoCoMo 92.5、LongMemEval 94.4）来自托管栈的专有优化，开源 SDK 方向接近，但分数不应直接对标。

与替代方案

  • 相比 Letta（原 MemGPT），Mem0 只提供记忆层，不自带完整 Agent 运行时；已有编排框架时接入更轻，但不会替你管工具循环与人格状态。
  • 相比 supermemory，两者都是可插入的 Memory API；supermemory 更强调可完全本地 / Ollama 离线，Mem0 则托管平台与框架集成更全，默认走云端抽取。
  • 相比本站已收录的 claude-mem，后者深度绑编码助手钩子、本地 SQLite；Mem0 提供跨语言 SDK 与多租户记忆池，更适合产品级助手，而不是只给某个 IDE 插件用。
  • 相比把聊天记录做朴素 RAG 或直接塞进上下文，Mem0 先做事实抽取再检索，token 更省；代价是依赖 LLM 抽取质量，且默认走 OpenAI。

适应人群

  • 在做客服、伴侣型聊天或自主 Agent，需要跨会话记住用户偏好与历史工单的产品团队。
  • 已有 LangChain / CrewAI / 自研编排，只缺一层可检索记忆、不想换整套 Agent 框架的开发者。
  • 要在自建基础设施上跑记忆服务（数据不出域），或先用托管平台验证再迁 OSS 的工程团队。

如何使用

前置条件

  • 开源库：Python 3.10+（或 Node.js 18+），并设置 OPENAI_API_KEY（默认 LLM 为 gpt-5-mini，嵌入为 text-embedding-3-small）
  • 托管平台：在 app.mem0.ai 拿 API Key；Agent 也可用 CLI 无邮箱注册：mem0 init --agent --agent-caller <name>
  • 想换 Ollama、Anthropic 或其他向量库时，见 组件配置

安装方式

开源 Python 库（仓库主路径）

Terminal window
pip install mem0ai

增强混合检索（BM25 + 实体抽取）可装 NLP 额外依赖：

Terminal window
pip install mem0ai[nlp]
python -m spacy download en_core_web_sm

Node SDK

Terminal window
npm install mem0ai

CLI

Terminal window
npm install -g @mem0/cli
# 或：pip install mem0-cli

自托管服务

Terminal window
cd server && make bootstrap
# 或：cd server && docker compose up -d   # Dashboard: http://localhost:3000

自托管默认开启鉴权；从旧版升级需设置 ADMIN_API_KEY、走向导，或仅本地开发设 AUTH_DISABLED=true。

首次运行

开源库默认把向量存在 /tmp/qdrant、历史在 ~/.mem0/history.db。最小验证：

from mem0 import Memory


m = Memory()  # 需要 OPENAI_API_KEY
m.add("I love hiking on weekends", user_id="alice")
print(m.search("What does Alice like to do?", filters={"user_id": "alice"}))

托管平台请改用 MemoryClient（不要和开源的 Memory 混用）：

from mem0 import MemoryClient


client = MemoryClient(api_key="your-api-key")
client.add(
    [{"role": "user", "content": "I'm a vegetarian and allergic to nuts."}],
    user_id="user123",
)
print(client.search("What are my dietary restrictions?", filters={"user_id": "user123"}))

CLI 等价操作：mem0 add "..." --user-id alice，再 mem0 search "..." --user-id alice。

验证是否成功

  • search 返回 results，其中含抽出的事实（例如「喜欢周末徒步」或「对坚果过敏」）与分数
  • 换一句同义问法仍能检索到同一条记忆，说明抽取与检索链路都通了
  • 自托管时打开 http://localhost:3000，确认 Dashboard 能登录并发出 API Key

常见坑 / 注意事项

  • Memory ≠ MemoryClient：前者是 OSS 本地/自托管引擎，后者走托管 API；导错类会在缺 Key 或缺本地 Qdrant 时报错。
  • 默认依赖 OpenAI。没用云端 Key、也没改 LLM/Embedder 配置时，Memory() 无法工作；本地模型需按文档换成 Ollama 等。
  • 库模式向量默认写 /tmp/qdrant，进程或机器重启后可能丢失；生产应换成持久化 Qdrant / pgvector 等。
  • 2026 年 4 月算法有 OSS v2 → v3 迁移指南；README 里的高分来自托管平台，开源侧不要按同一数字做 SLA。
  • 自托管鉴权默认开启，升级后若未设管理员 Key，Dashboard 会无法访问。
  • API Key 与用户记忆属于生产数据，不要写入仓库或日志。