mem0ai GitHub avatar

mem0

Python
智能体长期记忆层mem0ai最近推送 2026年11月17日
知识管理Apache-2.069.1k8,228964 issues7 天 +362

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

为 AI 智能体和应用提供可接入的长期记忆层,让上下文跨会话保留。

Mem0 是一个面向 AI 智能体和应用的记忆层,提供可直接接入的记忆基础设施,让上下文能够持久保留,并面向生产环境设计。它支持用户、会话、智能体多级记忆,提供 Python/JS SDK、自托管服务和云平台三种使用方式。

推荐指数

5.0

成熟度高、社区活跃,是给 AI 应用加长期记忆的优先选择之一。

近 7 天

+362

新增 Star

总 Star 排名

#67

雷达追踪的 3,931 个 AI 仓库中

创建于

2023

2023年6月20日

核心亮点

  • 1多级记忆

    同时保留用户、会话和智能体三层状态。

  • 2多种接入方式

    库、自托管服务器、云平台按需选择。

  • 3检索信号融合

    语义、BM25 关键词和实体匹配并行打分融合。

  • 4时间感知检索

    能按时间排序当前状态、历史事件和未来计划。

  • 5基准可复现

    评测框架开源,LoCoMo 等基准分数可自行复现。

适用场景

  • AI 助手

    例如:聊天助手记住用户偏好,下次对话直接沿用。

  • 客服系统

    例如:调出用户历史工单和过往问题,给出针对性回复。

  • 个性化应用

    例如:按用户长期行为调整工作流或游戏环境。

它是怎么工作的

  1. 第 1 步

    提取记忆

    单次 LLM 调用从对话中抽取事实,只新增不覆盖。

  2. 第 2 步

    实体关联

    抽取实体并嵌入,跨记忆建立链接。

  3. 第 3 步

    存储

    记忆累积保存,供后续检索使用。

  4. 第 4 步

    多信号检索

    语义、关键词、实体三路并行打分后融合排序。

  5. 第 5 步

    返回上下文

    把相关记忆注入智能体提示,实现跨会话记忆。

快速上手

  1. 1

    安装库

    Python 用户安装 mem0ai 包。

    pip install mem0ai
  2. 2

    安装 CLI

    也可用 npm 全局安装命令行工具。

    npm install -g @mem0/cli
  3. 3

    注册并写入

    以智能体身份初始化并添加一条记忆。

    mem0 init --agent --agent-caller claude-code && mem0 add "I am using mem0"
  4. 4

    检索验证

    搜索刚写入的记忆确认可用。

    mem0 search "am I using mem0"

适合谁

  • 需要跨会话记忆的 AI 应用开发者
  • 做客服、助手类产品的团队
  • 希望自托管记忆服务的基础设施团队

不太适合

  • 只需要单轮对话、无记忆需求的项目
  • 不想引入额外 LLM 调用成本的场景

成熟度

  • 活跃度最近更新在 2026 年 11 月,提交活跃。
  • 文档README 含快速开始、对比表和迁移指南,另有完整文档站。
  • 社区约 6.9 万 star、8 千 fork,Discord 活跃。
  • 上手难度pip/npm 一行安装即可用,进阶功能需配置 NLP 依赖。

同类项目怎么选

  • Letta (MemGPT)以有状态智能体框架为核心,Mem0 更偏向可插拔的记忆层。
  • Zep同样提供记忆服务,Mem0 提供开源 SDK 与自托管选项。

使用前注意

  • · 开源 SDK 与云平台能力有差异,基准分数来自含专有优化的托管平台。
  • · 自托管默认开启鉴权,升级旧版本需配置管理员密钥。
  • · 混合检索需额外安装 NLP 依赖和 spaCy 模型。
  • · 记忆提取依赖 LLM 调用,会产生额外 token 成本。

主题标签

aichatgptllmpythonraglong-term-memorymemorymemory-managementstate-managementai-agentsagentsgenaiagentic-memoryagentic-memory-system