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

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：

pip install mem0ai

• 使用npm安装

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：

import os
from mem0 import MemoryClient

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

client = MemoryClient()

• 添加记忆

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

# 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：

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：

pip install mem0ai

• npm安装：

npm install mem0ai

4.2 添加记忆

• 实例化客户端：

from mem0 import Memory
m = Memory()

• 添加记忆：

# 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

related_memories = m.search("Should I drink coffee or tea?", user_id="alice")