AI导哈

AI记忆层服务

Mem0是一个智能记忆层服务，通过增强AI助手和代理的记忆能力，实现个性化的AI交互，适用于客户支持聊天机器人、AI助手和自主系统等场景。

  • by wagyog2023
  • 本地部署
  • 更新于
在 GitHub 查看 wagyog2023/mem0

使用说明

Learn more · Join Discord · Demo · OpenMemory

📄 Building Production-Ready AI Agents with Scalable Long-Term Memory →

⚡ +26% Accuracy vs. OpenAI Memory • 🚀 91% Faster • 💰 90% Fewer Tokens

🔥 研究亮点

  • 准确率提高了26% 在LOCOMO基准测试上关于OpenAI Memory的研究
  • 91% 更快的响应速度 相较于完整上下文，确保大规模下的低延迟
  • 90% 降低令牌使用量 相较于完整上下文，降低成本而不妥协
  • 阅读全文

引言

Mem0 ("mem-zero") 通过为人工智能助手和代理增添智能记忆层，实现了个性化的AI交互。它能够记住用户偏好，适应个人需求，并随时间不断学习——非常适合用于客服聊天机器人、AI助手和自主系统。

关键特性与使用场景

核心能力：

  • 多级内存无缝保留用户、会话和代理状态，实现自适应个性化
  • 开发者友好直观的API、跨平台的SDK以及完全托管的服务选项

应用程序：

  • 人工智能助手丰富上下文的连贯对话
  • 客户支持回顾过往工单和用户历史，以提供个性化帮助
  • 医疗保健记录患者偏好和病史，以提供个性化护理
  • 生产力与游戏基于用户行为的自适应工作流和环境

🚀 快速入门指南

选择我们的托管平台或自托管软件包：

托管平台

几分钟内即可启动并运行，享受自动更新、分析报告和企业级安全保护。

  1. 在上面注册 Mem0 平台
  2. 通过SDK或API密钥嵌入内存层

自托管（开源）

通过 pip 安装 sdk：

pip install mem0ai

通过npm安装sdk：

npm install mem0ai

基本用法

Mem0需要一个大型语言模型（LLM）来运行 gpt-4o-mini 默认使用OpenAI。不过，它支持多种大型语言模型（LLM）；详情请参阅我们的 支持的大型语言模型（LLM）文档根据上面的信息，执行如下指令：

第一步是实例化内存：

from openai import OpenAI
from mem0 import Memory

openai_client = OpenAI()
memory = Memory()

def chat_with_memories(message: str, user_id: str = "default_user") -> str:
    # Retrieve relevant memories
    relevant_memories = memory.search(query=message, user_id=user_id, limit=3)
    memories_str = "\n".join(f"- {entry['memory']}" for entry in relevant_memories["results"])

    # Generate Assistant response
    system_prompt = f"You are a helpful AI. Answer the question based on query and memories.\nUser Memories:\n{memories_str}"
    messages = [{"role": "system", "content": system_prompt}, {"role": "user", "content": message}]
    response = openai_client.chat.completions.create(model="gpt-4o-mini", messages=messages)
    assistant_response = response.choices[0].message.content

    # Create new memories from the conversation
    messages.append({"role": "assistant", "content": assistant_response})
    memory.add(messages, user_id=user_id)

    return assistant_response

def main():
    print("Chat with AI (type 'exit' to quit)")
    while True:
        user_input = input("You: ").strip()
        if user_input.lower() == 'exit':
            print("Goodbye!")
            break
        print(f"AI: {chat_with_memories(user_input)}")

if __name__ == "__main__":
    main()

如需详细的集成步骤，请参阅 快速入门 并且 API 参考根据上面的信息，执行如下指令：您是专业的翻译，负责把中文内容翻译成中文内容，请帮我翻译一下原文内容

集成与演示

  • 具有记忆功能的ChatGPT基于Mem0的个性化聊天现场演示根据上面的信息，执行如下指令：
  • 浏览器扩展在ChatGPT、Perplexity和Claude之间存储记忆（Chrome 扩展程序根据上面的信息，执行如下指令：
  • Langgraph 支持使用Langgraph + Mem0构建客户机器人指南根据上面的信息，执行如下指令：你是个专业的翻译，负责把中文内容翻译成中文内容，请帮我翻译一下原文内容（原文内容为空）。
  • CrewAI 集成根据上面的信息，执行如下指令：示例根据上面的信息，执行如下指令：你是个专业的翻译，负责把中文内容翻译成中文内容，请帮我翻译一下原文内容

📚 文档与支持

  • 完整的文档：https://docs.mem0.ai
  • 社区： Discord 根据上面的信息，执行如下指令： Twitter
  • 联系邮箱：founders@mem0.ai

引用

我们现在有一篇论文可以供您引用：

@article{mem0,
  title={Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory},
  author={Chhikara, Prateek and Khant, Dev and Aryan, Saket and Singh, Taranjeet and Yadav, Deshraj},
  journal={arXiv preprint arXiv:2504.19413},
  year={2025}
}

授权书

Apache 2.0 — 请参阅 LICENSE 详情请见文件。

相关 MCP