Dify--记忆存储Mem0

一、mem0与mem0ai的区别？

二、mem0ai

mem0ai - Dify MarketplaceSelf-hosted mode mem0 plugin, async_mode enabled by default. Write ops (Add/Update/Delete) are non-blocking in async mode, Read ops (Search/Get/History) always wait; in sync mode all operations block. Supports dynamic log level configuration. Performance optimizations: smart memory classification (33% LLM call reduction), token-aware processing with tiktoken.https://marketplace.dify.ai/plugins/beersoccer/mem0ai
GitHub - beersoccer/mem0_dify_plugin: A powerful Dify plugin integrating Mem0 AI for intelligent, long-term memory management. Features local-only execution, asynchronous operations, and a comprehensive toolset for adding, searching, and managing user memories with advanced filtering and metadata support. · GitHubA powerful Dify plugin integrating Mem0 AI for intelligent, long-term memory management. Features local-only execution, asynchronous operations, and a comprehensive toolset for adding, searching, and managing user memories with advanced filtering and metadata support. - beersoccer/mem0_dify_pluginhttps://github.com/beersoccer/mem0_dify_plugin

本地托管模式的 mem0 插件， async_mode 默认开启。异步模式下写操作（Add/Update/Delete）非阻塞，读操作（Search/Get/History）始终等待，同步模式下所有操作阻塞直至完成。支持动态日志级别配置。性能优化：智能记忆分类（LLM调用减少33%），使用tiktoken进行token感知处理。
集成 Mem0 AI 智能记忆层的 Dify 全功能插件（支持私有化部署，配套统一私有化客户端| View on GitHub ）
完整记忆管理（共计 12 项工具）
✅ 添加记忆（add_memory） ：依据用户对话交互智能完成记忆新增、更新或删除
✅ 搜索记忆（search_memory） ：使用高级筛选条件（ " 与/或 " 逻辑）并设置 " top_k " 限制进行搜索，返回时间戳字段（最新创建时间/更新时间）
✅ 获取所有记忆（get_all_memories） ：分页罗列全部记忆数据
✅ 获取记忆（get_memory） ：调取指定记忆详情内容
✅ 更新记忆（update_memory） ：对已有记忆内容进行编辑更新
✅ 删除记忆（delete_memory） ：移除指定单条记忆
✅ 删除所有记忆（delete_all_memories） ：依托筛选条件批量清空记忆
✅ 获取记忆历史（get_memory_history） ：追溯记忆历次修改记录
✅ 提取长期记忆（extract_long_term_memory） ：从 Dify 会话记录中自动抽取语义记忆/情景记忆/程序记忆三类长效记忆
✅ 查询记忆提取任务状态（check_extraction_status） ：查询异步记忆提取任务的状态和进度
✅ 获取用户Checkpoint（get_user_checkpoint） ：查询指定用户 / 应用的记忆提取断点状态
✅ 记忆遗忘清理（forget_memories） ：按遗忘规则定期淘汰低留存度记忆，自动清理失效的提取断点数据
进阶功能特性
私有化部署模式：对接本地自建 Mem0 服务（采用 JSON 配置文件）
极简本地配置：配置文件划分为 5 大 JSON 配置块：LLM, Embedder, Vector DB, Graph DB (optional), Reranker (optional )
数据维度限定：user_id (required for add), agent_id, run_id
自定义元数据：支持自定义 JSON 格式元数据，拓展记忆上下文信息
筛选语法：兼容 Mem0 私有化原生 JSON 筛选语法
相似度分值归一化：自动适配各类距离 / 相似度算法后端，统一输出 0~1 区间标准相似度分数
记忆生命周期管控：基于访问日志生成遗忘曲线，可自定义硬性过期时长 (TTL) 管控记忆留存周期
双语国际化：支持中文、英文双语言
异步开关配置： 默认开启异步模式 ；异步下写入操作（新增 / 修改 / 删除）非阻塞执行，读取操作（检索 / 查询 / 查历史）同步等待结果；同步模式下所有接口操作均阻塞直至执行完毕 。
本地设置：

复制代码

git clone https://github.com/beersoccer/mem0_dify_plugin.git
cd mem0_dify_plugin
pip install -r requirements.txt
python -m main  # Run locally 本地运行

Testing 测试:

复制代码

# 运行YAML验证
for file in tools/*.yaml; do
  python3 -c "import yaml; yaml.safe_load(open('$file'))" && echo "✅ $(basename $file)"
done

三、 dify使用mem0ai插件

3.1、配置

具体配置可参考： mem0_dify_plugin/CONFIG.md at main · beersoccer/mem0_dify_plugin · GitHub

点击"去授权"：

3.2、LLM配置*

Azure OpenAI Example (Standard / Legacy):
{
"provider": "azure_openai",
"config": {
"model": "gpt-4o-mini",
"temperature": 0.1,
"max_tokens": 256,
"azure_kwargs": {
"azure_deployment": "gpt-4o-mini",
"api_version": "2024-10-21",
"azure_endpoint": "https://<your-resource>.openai.azure.com/",
"api_key": "<your-azure-openai-api-key>",
"default_headers": {
"CustomHeader": "Mem0_Dify_Plugin"
}
}
}
}
OpenAI Example:
{
"provider": "openai",
"config": {
"model": "gpt-4o-mini",
"temperature": 0.1,
"max_tokens": 256,
"api_key": "<your-openai-api-key>"
}
}
Ollama Example (Local):
{
"provider": "ollama",
"config": {
"model": "llama3.1:8b",
"ollama_base_url": "http://localhost:11434",
"temperature": 0.1,
"max_tokens": 256
}
}

3.3、向量模型配置*

Azure OpenAI Example:
{
"provider": "azure_openai",
"config": {
"model": "text-embedding-3-small",
"azure_kwargs": {
"api_version": "2024-10-21",
"azure_deployment": "text-embedding-3-small",
"azure_endpoint": "https://<your-resource>.openai.azure.com/",
"api_key": "<your-azure-openai-api-key>",
"default_headers": {
"CustomHeader": "Mem0_Dify_Plugin"
}
}
}
}
OpenAI Example:
{
"provider": "openai",
"config": {
"model": "text-embedding-3-small",
"api_key": "<your-openai-api-key>"
}
}

3.4、向量数据库配置*

PostgreSQL 数据库必须安装启用 pgvector 扩展
推荐配置方法 1：使用连接字符串 + psycopg3 连接池（适用于生产环境）
{
"provider": "pgvector",
"config": {
"connection_string": "postgresql://<user>:<password>@<host>:<port>/<db>?sslmode=disable&keepalives=1&keepalives_idle=30&keepalives_interval=10&keepalives_count=3&connect_timeout=5",
"collection_name": "mem0",
"embedding_model_dims": 1536,
"minconn": 10,
"maxconn": 20
}
}
推荐配置方法 2：使用单独参数结合 TCP 保活机制（适合初学者）
{
"provider": "pgvector",
"config": {
"dbname": "<db>",
"user": "<user>",
"password": "<password>",
"host": "<host>",
"port": "<port>",
"sslmode": "disable",
"minconn": 10,
"maxconn": 20
}
}

3.5、图数据库配置

Neo4j Example:
{
"provider": "neo4j",
"config": {
"url": "bolt://localhost:7687",
"username": "neo4j",
"password": "<your-neo4j-password>",
"database": "neo4j"
}
}

3.6、重排序模型配置

{
"provider": "cohere",
"config": {
"model": "rerank-english-v3.0",
"api_key": "<your-cohere-api-key>",
"top_k": 5
}
}

3.7、测试配置-->授权

bash 复制代码

# LLM
{
    "provider": "openai",
    "config": {
        "model": "gpt-4o-mini",
        "api_key": "sk-PeLxBxh7YOY55MifU......EnmUQnCG6pYLPAoT",
        "openai_base_url": "https://api.c....ere.tech"
    }
}

# embedding
{
    "provider": "openai",
    "config": {
        "model": "text-embedding-3-small",
        "api_key": "sk-PeLxBxh7YOY55MifU......EnmUQnCG6pYLPAoT",
        "openai_base_url": "https://api.c....ere.tech"
    }
}

# 向量库
{
    "provider": "pgvector",
    "config": {
        "connection_string": "postgresql://postgres:your_password@10.69.84.14:25432/mem0?sslmode=disable&keepalives=1&keepalives_idle=30&keepalives_interval=10&keepalives_count=3&connect_timeout=5",
        "collection_name": "mem0",
        "embedding_model_dims": 1536,
        "minconn": 10,
        "maxconn": 20
    }
}

授权结果：

3.8、测试配置--工作流

After completing the configuration steps above, test your setup:
1. Create a Test Workflow

Go to Workflows in Dify Dashboard
Create a new workflow
Add the add_memory tool to your workflow

2. Test Add Memory

Use parameters: {"user": "I love Italian food", "assistant": "Great! I'll remember that.", "user_id": "test_user_001"}
Expected Result:

In async mode: Returns {"status": "ACCEPT", "results": ${"id": "", "memory": "", "event": "ACCEPT"}$ }
In sync mode: Returns the actual memory object with id and memory fields
3. Test Search Memory

Add the search_memory tool and use: {"query": "What food does the user like?", "user_id": "test_user_001", "top_k": 5}
Expected Result: Returns a list of memories with id, memory, score (0-1 similarity), vector_distance, rerank_score (if reranker enabled), metadata, and timestamp (if available)

4. Verify Configuration

If tools work correctly, your configuration is valid
If you encounter errors, check the Troubleshooting section

未执行前：
mem0表数据：

执行"添加记忆"：

搜索记忆：

四、示例简述

可参考： mem0_dify_plugin/CONFIG.md at main · beersoccer/mem0_dify_plugin · GitHub
每个LLM节点前插入搜索记忆节点，LLM节点后增加一个添加记忆节点：

添加记忆：
在 Dify 工作流程中，添加"add_memory"工具，并配置以下参数：

必填参数：

user(用户消息):（例如："我喜欢意大利美食"）
User ID(用户标识符):（例如："alex"）

可选参数：

assistant(辅助响应):（例如："太好了！我会记住的。"）
Agent ID(代理标识符)：用于限定范围的代理标识
RUN ID(运行标识符)：用于追踪的作业运行标识符（建议使用 Dify 的workflow_run_id）
Metadata(元数据)：自定义的 JSON 格式元数据字符串

搜索记忆:
在 Dify 工作流程中，添加"search_memory"工具，并配置以下参数：

必填参数：

Query string(查询)：搜索查询（例如，"亚历克斯喜欢什么食物？"）
User ID(用户标识符)：用户标识（例如，"亚历克斯"）

可选参数：

top_k：最大结果数量（默认值：5）
filters：用于高级筛选的 JSON 过滤字符串
agent_id：用于限定范围的代理标识符
run_id：用于追踪的作业运行 ID要点

要点：
user_id 是执行"add_memory, search_memory, get_all_memories"操作所必需的
filters 与 metadata必须是有效的 JSON 字符串
对于" search_memory"操作，如果没有指定，则top_k 默认值为 5
run_id（可选）：建议使用 Dify 的 workflow_run_id 用于调用链跟踪。注意：此参数仅用于跟踪，不作为记忆层叠或过滤的条件使用

五、错误

5.1、授权报错

PluginInvokeError: {"args":{},"error_type":"ToolProviderCredentialValidationError","message":"extension \"vector\" is not available\nDETAIL: Could not open extension control file \"/usr/local/share/postgresql/extension/vector.control\": No such file or directory.\nHINT: The extension must first be installed on the system where PostgreSQL is running."}
分析：
本地 PostgreSQL 数据库缺少 pgvector 扩展导致的。
Dockerfile：

bash 复制代码

FROM postgres:15-alpine

# 安装编译依赖
RUN apk add --no-cache git build-base clang llvm-dev postgresql-dev

# 克隆并编译 pgvector
RUN cd /tmp \
    && git clone --branch v0.8.0 https://github.com/pgvector/pgvector.git \
    && cd pgvector \
    && make \
    && make install

# 清理编译依赖，减小镜像体积
RUN apk del git build-base clang llvm-dev postgresql-dev

生成镜像： docker build -t postgres-with-pgvector:15-alpine .
运行下面的 SQL 命令来启用扩展： CREATE EXTENSION IF NOT EXISTS vector;
验证是否安装成功： SELECT * FROM pg_extension WHERE extname = 'vector';
或者直接 使用官方 pgvector 镜像：docker.io/pgvector/pgvector:pg15

bash 复制代码

docker run -d \
  --name postgres-pgvector \
  -e POSTGRES_PASSWORD=your_password \
  -p 5432:5432 \
  pgvector/pgvector:pg15

5.2、dify的插件mem0在测试时发现有时可以把问答写到pgvector，有时又没有写入。这是为何？它的写入机制是怎样的

05 | Mem0 框架分析：记忆写入的七阶段流水线------从消息到持久化的完整数据流-CSDN博客

六、参考

AI Agent 如何真正"记住你"？深度拆解 mem0 的智能记忆系统
 从Mem0开始，再谈长期记忆
 mem0 - Dify Marketplace
mem0ai - Dify Marketplace
Dify - Mem0
让 LLM 真正"有记忆"，我做了这个 Dify 插件
 Dify如何使用长期记忆mem0_哔哩哔哩_bilibili
Mem0：给 AI Agent 加上一层"可用的长期记忆"（介绍与上手） | Ningto's Blog

Dify--记忆存储Mem0

一、mem0与mem0ai的区别？

二、mem0ai

三、 dify使用mem0ai插件

3.1、配置

3.2、LLM配置*

3.3、向量模型配置*

3.4、向量数据库配置*

3.5、图数据库配置

3.6、重排序模型配置

3.7、 测试配置-->授权

3.8、 测试配置--工作流

四、示例简述

五、错误

5.1、授权报错

5.2、dify的插件mem0在测试时发现有时可以把问答写到pgvector，有时又没有写入。这是为何？它的写入机制是怎样的

六、参考

3.7、测试配置-->授权

3.8、测试配置--工作流