Mem0

Mem0 简介

Mem0（读作 “mem-zero”）是一个面向 AI 助手与智能体的开源记忆层（memory layer），其官方定位是”给 AI Agent 提供长期记忆”，让 AI 应用能够跨会话、跨工具地记住用户偏好并持续学习。项目由 Taranjeet Singh 和 Deshraj Yadav 在开发 Embedchain（一个下载量超两百万的开源 RAG 框架）时创立，采用 Apache 2.0 许可证，GitHub 仓库截至相关报道已获得超过 37,000 颗星，并被 Netflix、Lemonade、Rocket Money 等公司采用。

核心功能

多层级记忆

Mem0 的核心能力是”多层级记忆”：它无缝保留用户（User）、会话（Session）和 Agent 状态，实现自适应个性化。当一段对话提交后，Mem0 会自动把其中可记住的事实逐条抽取出来单独存储——例如用户说”我是素食者且对坚果过敏”，系统会分别生成”Is a vegetarian”和”Allergic to nuts”两条独立记忆，并附带分类（如 food_preferences、health）。

混合数据存储架构

Mem0 采用混合数据存储架构：向量数据库负责语义相似度检索、图数据库建模实体与概念间的关系、键值存储提供快速事实读取。其检索系统会综合相关性、重要性和时效性进行智能排序，确保最相关的记忆优先返回，并持续更新、修正或替换过时与矛盾的信息。

新记忆算法

2026 年 4 月发布的 Mem0 新记忆算法引入了单次 ADD-only 抽取（一次 LLM 调用、不做覆盖式 UPDATE/DELETE）、实体链接（entity linking）、以及语义 + BM25 关键词 + 实体匹配的多信号融合检索，并支持面向时间的检索（temporal reasoning）。官方公布的基准成绩包括 LoCoMo 92.5 分、LongMemEval 94.4 分、BEAM（1M）64.1 分，评估框架已开源以便复现。

使用方式

Mem0 提供三种使用方式：作为库嵌入应用（pip install mem0ai 或 npm install mem0ai）、作为自托管服务器运行（Docker Compose 栈，自带仪表盘、按用户分配 API 密钥和请求审计日志）、或使用托管云平台（在 app.mem0.ai 注册后通过 SDK 或 API 密钥接入）。此外还有命令行工具（mem0 CLI）和 MCP（Model Context Protocol）工具，可让 Agent 自行决定何时保存与查找记忆。

集成与生态

Mem0 官方文档提供 22 个工具框架的接入指南，包括 LangChain、CrewAI、LlamaIndex、Vercel AI SDK、OpenAI Agents SDK 等，并有陪伴型聊天机器人、客服 Agent、语音 Agent 和研究工具等完整示例教程。项目还提供 Agent Skills，可让 Claude Code、Codex、Cursor、Windsurf 等 AI 编程助手直接学习并集成 Mem0，并配有跨 ChatGPT、Perplexity、Claude 的记忆浏览器扩展。

技术细节

Mem0 支持 Python、Node.js/TypeScript SDK 以及 cURL REST API，运行需要一个 LLM，默认使用 OpenAI 的 gpt-5-mini（嵌入默认 text-embedding-3-small），同时支持 OpenAI、Anthropic Claude、Google Gemini 以及通过 Ollama 运行的本地模型，开发者可自由选择模型提供商而保持记忆功能一致。

应用场景

Mem0 的典型应用场景包括：个性化 AI 助手（记住用户偏好、工作模式、时区等）、客户支持（召回历史工单与用户历史以缩短解决时间）、医疗健康（跟踪患者症状、用药与治疗偏好以维持护理连续性）、教育平台（跟踪学习进度与偏好，提供自适应教学）以及生产力与游戏场景中的自适应工作流。

开源与托管

Mem0 同时提供开源版与托管平台两条路径：开源版与平台使用同一记忆引擎，可完全运行在自有基础设施上，数据与每一组件均由用户掌控。自托管默认组件包括 OpenAI gpt-5-mini、text-embedding-3-small、本地 Qdrant 向量库（库模式）或 Postgres + pgvector（服务器模式）与 SQLite 历史存储，均可通过配置覆盖；官方还发布了论文《Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory》（arXiv:2504.19413）供引用。