Mem0 记忆层
Mem0 是为 AI Agent 与 LLM 应用提供持久化记忆的开源基础设施，支持用户、会话与 Agent 多级记忆，兼顾个性化与上下文延续，提供 Python/Node SDK、自托管服务与云端平台。
过去 7 天收获 2 颗 Star
爱鲜报评分
0.0
0 人评分
68k
星数
否
中文
Python
主语言
是
活跃
411
贡献者
人工分析
EDITORIAL推荐理由
Mem0 把「记忆」从提示词工程中抽离为独立基础设施，解决了多轮对话与长期使用中的上下文丢失问题。项目在 LoCoMo、LongMemEval 等记忆基准上有公开评测数据，且同时提供开源 SDK、自托管服务与托管云平台，便于从原型平滑过渡到生产。社区活跃、Star 数高，适合作为 AI 应用记忆方案的优先候选。
适用场景
- AI 助手与聊天机器人长期个性化
- 客服系统召回历史工单与用户画像
- 多 Agent 协作中的状态与事实共享
- RAG 应用补充跨会话长期记忆
- 个人助理类产品的偏好与习惯记忆
优点
- 多级记忆模型（用户/会话/Agent）划分清晰
- 同时提供 Python 与 Node SDK，接入成本低
- 有公开基准评测与开源评测框架，可复现
- 支持库、自托管、云平台三种部署形态
- Apache-2.0 许可，商业使用友好
缺点
- 核心记忆抽取依赖 LLM，会产生额外调用成本与延迟
- 自托管服务涉及向量库等组件，运维有一定门槛
- 基准分数部分来自托管平台专有优化，开源版表现不完全等同
- 记忆写入策略（ADD-only）需结合业务评估是否合适
上手难度
进阶
Mem0 是什么
Mem0（读作 mem-zero）是一个面向 AI Agent 和 LLM 应用的记忆层。它把「记住用户是谁、之前聊过什么、做过什么」从提示词里抽出来，交给一套独立的记忆基础设施处理，让助手在多轮、跨会话的交互中保持上下文与个性化。
项目以 Python 为主，同时提供 Node SDK，采用 Apache-2.0 许可。
核心能力
- 多级记忆：区分 User、Session、Agent 三个层级的记忆，按需检索与更新。
- 记忆抽取：由 LLM 从对话中提取事实与偏好，形成结构化记忆条目。
- 多信号检索：语义向量、BM25 关键词与实体匹配并行打分后融合。
- 时间感知：对「当前状态」「过去事件」「未来计划」类查询做时间维度的排序。
- 多种接入形态：Python/Node 库、自托管服务、云端平台与 CLI。
三种使用形态
| 形态 | 适合场景 | 接入方式 |
|---|---|---|
| 库（Library） | 测试、原型验证 | pip install mem0ai / npm install mem0ai |
| 自托管服务 | 团队自有基础设施 | docker compose up 启动服务栈 |
| 云平台 | 零运维生产使用 | 在 Mem0 平台注册并获取 API Key |
快速上手（库模式示意）
pip install mem0ai
from mem0 import Memory
m = Memory()
m.add("我喜欢深色模式和 vim 键位", user_id="alice")
results = m.search("Alice 有什么偏好？", user_id="alice")
具体参数与返回结构请以官方文档为准，上面的代码仅示意调用方式。
自托管与 CLI
自托管服务默认开启鉴权，推荐用一条命令完成初始化：
cd server && make bootstrap
也可以手动启动后用浏览器向导完成配置。CLI 则适合在终端里快速增删查记忆：
mem0 init
mem0 add "偏好深色模式" --user-id alice
mem0 search "Alice 的偏好" --user-id alice
选型建议
- 只是验证想法：先用库模式，几行代码即可跑通。
- 团队协作、需要数据自主可控：选自托管服务。
- 不想运维、要开箱即用：用云平台。
需要注意，记忆抽取依赖 LLM 调用，会带来额外成本与延迟；同时官方基准分数部分来自托管平台的专有优化，开源版表现方向一致但数值不完全相同。
评论
- 暂无评论，来写第一条吧。