一种专为AI代理设计的内存层,能够在交互过程中记忆、学习和进化

以下所有内容仅供学习使用; 好项目大家一起分享; 项目来源于github开源项目; 他用请注明出处,尊重原创,尊重开源。

1 项目地址

mem0:一种转为AI代理设计的内存层

2 简单介绍

2.1 Mem0 是什么?

Mem0 是专为AI 代理设计的内存层。它充当持久内存层,代理可以使用它来执行以下操作:

  • 回忆过去相关的互动;
  • 存储重要的用户偏好和事实背景;
  • 从成功和失败中学习。

它为 AI 代理提供内存,使其能够在交互过程中记忆、学习和进化。Mem0 可轻松集成到代理堆栈中,并可从原型系统扩展到生产系统。

2.2 内存在代理堆栈中的位置

  • Mem0 与检索器、规划器和 LLM 并存;
  • 与基于检索的系统(例如 RAG)不同,Mem0 会追踪过去的交互,存储长期知识,并改进代理的行为。

2.3 与基于检索的系统区别

能力 上下文窗口 Mem0 内存
成本 随着输入大小而增长 优化(只优化重要部分)
保留 暂时的 持久的
记起 令牌 相关性+基于意图
个性化 深度、不断发展
行为 反应式 自适应

2.4 Mem0 中的内存类型

Mem0 支持不同类型的内存来模仿存储信息的方式:

  • 工作记忆:短期会话意识;
  • 事实记忆:长期结构化知识(例如偏好、设置) ;
  • 情景记忆:记录过去的具体对话;
  • 语义记忆:随着时间的推移建立一般知识。

2.5 核心能力

  • 减少令牌使用并加快响应速度:查找时间低于 50 毫秒 ;
  • 语义记忆:程序性、情景性和事实支持 ;
  • 多模式支持:处理文本和图像;
  • 图形内存:跨会话连接洞察和实体 ;
  • 自主选择方式托管:托管服务或自托管版本。

3 Mem0 平台(托管解决方案)

3.1 安装Mem0

  • 使用pip安装:
python 复制代码
pip install mem0ai
  • 使用npm安装
python 复制代码
npm install mem0ai

3.2 获取API key

  • 进入到memo,获取API key,如图:

3.3 添加记忆

  • 实例化客户端:
python 复制代码
import os
from mem0 import MemoryClient

os.environ["MEM0_API_KEY"] = "your-api-key"

client = MemoryClient()
  • 添加记忆
python 复制代码
messages = [
    {"role": "user", "content": "Thinking of making a sandwich. What do you recommend?"},
    {"role": "assistant", "content": "How about adding some cheese for extra flavor?"},
    {"role": "user", "content": "Actually, I don't like cheese."},
    {"role": "assistant", "content": "I'll remember that you don't like cheese for future recommendations."}
]
client.add(messages, user_id="alex")

3.4 恢复记忆

  • 搜索相关记忆
python 复制代码
# Example showing location and preference-aware recommendations
query = "I'm craving some pizza. Any recommendations?"
filters = {
    "AND": [
        {
            "user_id": "alex"
        }
    ]
}
client.search(query, version="v2", filters=filters)
  • 获取某个用户的所有记忆:
python 复制代码
filters = {
   "AND": [
      {
         "user_id": "alex"
      }
   ]
}

all_memories = client.get_all(version="v2", filters=filters, page=1, page_size=50)

4 Mem0 开源

4.1 安装Mem0开源

  • pip安装:
python 复制代码
pip install mem0ai
  • npm安装:
python 复制代码
npm install mem0ai

4.2 添加记忆

  • 实例化客户端:
python 复制代码
from mem0 import Memory
m = Memory()
  • 添加记忆:
python 复制代码
# For a user
messages = [
    {
        "role": "user",
        "content": "I like to drink coffee in the morning and go for a walk"
    }
]
result = m.add(messages, user_id="alice", metadata={"category": "preferences"})

4.3 恢复记忆

  • 搜索相关记忆
python 复制代码
related_memories = m.search("Should I drink coffee or tea?", user_id="alice")
相关推荐
要加油哦~2 分钟前
AI | 实践教程 - ScreenCoder | 多agents前端代码生成
前端·javascript·人工智能
玄同7653 分钟前
从 0 到 1:用 Python 开发 MCP 工具,让 AI 智能体拥有 “超能力”
开发语言·人工智能·python·agent·ai编程·mcp·trae
新缸中之脑5 分钟前
用RedisVL构建长期记忆
人工智能
J_Xiong011712 分钟前
【Agents篇】07:Agent 的行动模块——工具使用与具身执行
人工智能·ai agent
SEO_juper18 分钟前
13个不容错过的SEO技巧,让您的网站可见度飙升
人工智能·seo·数字营销
小瑞瑞acd20 分钟前
【小瑞瑞精讲】卷积神经网络(CNN):从入门到精通,计算机如何“看”懂世界?
人工智能·python·深度学习·神经网络·机器学习
CoderJia程序员甲29 分钟前
GitHub 热榜项目 - 日榜(2026-02-06)
人工智能·ai·大模型·github·ai教程
wukangjupingbb34 分钟前
AI多模态技术在创新药研发中的结合路径、机制及挑战
人工智能
CoderIsArt44 分钟前
三大主流智能体框架解析
人工智能
民乐团扒谱机1 小时前
【微实验】机器学习之集成学习 GBDT和XGBoost 附 matlab仿真代码 复制即可运行
人工智能·机器学习·matlab·集成学习·xgboost·gbdt·梯度提升树