你的 Agent 每次都重新认识用户一遍，Mem0 让它记住
用户第三次告诉它同一件事
你在做一个 AI 助手，可能是客服机器人，可能是个人助理，也可能是团队内部的问答系统。功能都通了，模型也换到了满意的那个，可上线之后收到的反馈总是同一类：它记不住我。
用户上周说过自己用的是 Postgres，这周问建表还是给他 MySQL 的写法；说过不要长篇大论，下次照样回一屏字。你试过最直接的补救：把历史对话整段塞进 prompt。结果 token 一路涨、响应越来越慢，而且塞得越多模型越抓不住重点，那句关键的偏好淹在几千字里。你也想过自己写一套——建个向量库存历史，写提取逻辑挑出该记的事，再处理去重、处理"用户改主意了"、处理"这条已经过时"。写了两周，效果还不如不做。
一层专门负责"记住"的中间件
Mem0 是一层记忆层：它坐在你的应用和模型之间，从对话里抽出真正该记住的事实存下来，下次对话时只把相关的那几条捞回来喂给模型。
它不是把历史对话原样存起来再原样倒回去。一次对话结束后，它异步地从内容里提取事实、去重、向量化、识别其中的实体并跟已有记忆连起来，分别落到事实库、向量库和实体库。检索时语义相似、关键词匹配、实体关联三路并行打分再融合，还会做时间上的判断——分得清"他现在用什么"和"他去年用过什么"。
边界也说清楚：
- 它做：从对话中提取与去重记忆、用户/会话/Agent 三个层次的记忆隔离、实体链接、多信号检索与时间推理、REST API 与 Web 管理面板、多语言 SDK 和命令行
- 它不做：不自带模型——提取记忆和生成向量都要调你自己配置的大模型与嵌入模型；官方公开的基准分数出自其托管平台（含未开源的优化），自托管版本方向一致但数字不等同
- 你在这里部署的是开源自托管版本（Apache 2.0），所有记忆数据存在你自己的服务器上
通过阿里云计算巢部署，几分钟开箱可用，无需自己起 compose、配数据库与向量库、再走一遍鉴权初始化。
它解决了什么问题
| 你原来怎么干 | 代价 | 用它之后 |
|---|---|---|
| 把历史对话整段塞进 prompt | token 一路涨，还越塞越抓不住重点 | 只召回相关的那几条事实 |
| 自己建向量库写提取逻辑 | 两周工期，去重和过期还没解决 | 调接口就有，提取去重都在里面 |
| 用户改了主意，旧偏好还在生效 | 答案自相矛盾 | 时间推理分得清现在和过去 |
| 多个用户的记忆混在一起 | 串味、隐私风险 | 按用户/会话/Agent 分层隔离 |
| 想看看它到底记了什么 | 只能翻库 | Web 面板里逐条可查可删 |
回到那个"记不住我"的反馈：现在每轮对话结束后，Mem0 自己把该记的事挑出来存好；下一次这个用户再来，你的应用先向它要几条相关记忆，拼进上下文再发给模型。他说过用 Postgres，你就不会再给他 MySQL 的写法——而这一切你只多调了两个接口。
而更深一层的变化是：让 AI 记住用户，从"一个要专门立项的工程"变成"调一个接口就有的默认能力"。因为不用先建向量库、不用自己写提取和去重，你的应用可以从第一天起就是有记忆的，而不是等哪天有人力了再回头补——大部分应用其实就是因为这个成本，一直没做。
核心能力
挑出该记的事，而不是全存下来
这是"整段历史塞进 prompt"那条死路被绕开的地方。
- 记忆提取 —— 响应之后异步从对话里提取事实，不占用户等待的时间
- 去重与实体链接 —— 新记忆先跟已有的比对去重，再把里面的人、物、概念识别出来相互关联
- 只增不改的累积 —— 记忆持续累加而不是相互覆盖，历史脉络留得住
取的时候只取有关的那几条
- 多信号检索 —— 语义相似、关键词匹配、实体关联三路并行打分融合，比单纯向量检索更准
- 时间推理 —— 对同一件事的多个版本按时间排序，问"现在"给现在的，问"以前"给以前的
- 分层隔离 —— 用户级、会话级、Agent 级记忆各自独立，多用户共用一套服务也不串味
不写代码也能看清它记了什么
- Web 管理面板 —— 记忆逐条可查、可改、可删，排查"它为什么这么答"时有据可依
- REST API 与密钥管理 —— 自带鉴权和 API Key 体系，多个应用共用一套记忆服务
- SDK 与命令行 —— Python / JavaScript SDK 和 CLI，也能直接接进现成的 Agent 框架
谁最该用
| 用户类型 | 典型场景 | 用它拿到什么 |
|---|---|---|
| 做 AI 应用的开发者 | 助手记不住用户，塞历史又太贵 | 两个接口换来持久记忆，token 还降了 |
| 做客服 / 售后系统的团队 | 每次来都要用户重述背景 | 自动带出历史工单和偏好 |
| 数据不能外流的组织 | 不愿把用户对话交给托管服务 | 记忆库跑在自己的服务器上 |
为什么在计算巢上跑
| 维度 | 自己搭 | 在计算巢上跑 |
|---|---|---|
| 部署 | 起 compose、配数据库与向量库、调环境变量 | 一键部署，几分钟开箱 |
| 初始化 | 自己跑引导、注册管理员、再手动建第一个密钥 | 部署时自动注册管理员并生成首个 API Key，实例详情页直接给你 |
| 接入方式 | 自己开端口 | 管理面板与 REST API 地址一并输出 |
| 数据归属 | —— | 记忆、事实、向量全在你自己的服务器上 |
| 覆盖地域 | —— | 18 个地域可选 |
技术支持
- 官方仓库：github.com/mem0ai/mem0
- 官方文档：docs.mem0.ai
- 问题反馈：GitHub Issues
🚀 立即体验
→ 一键部署 Mem0
部署完成后在服务实例详情页拿到管理面板地址、API 地址，以及自动生成好的管理员账号与 API Key。第一件事——用这个 Key 写入一条你自己的偏好，再搜一次，看它捞回来的是不是刚才那条。
