mem0 是什么?6.6万星的 Agent 长期记忆层,给 AI 装上“记性”(基础篇)

mem0 是什么?6.6万星的 Agent 长期记忆层,给 AI 装上“记性”(基础篇)

导语

玩 Agent 时间长了,你一定撞过这堵墙:模型很聪明,但记性只有一轮对话。关掉窗口,它就把你忘了——你叫什么、项目用什么栈、上次聊到哪,全没了。每次新开会话都得从”我是谁、我要干嘛”讲起,token 烧得肉疼。

mem0 要解决的就是这一件事:给 AI Agent 装一个长期记忆层。6.6 万星、YC S24 的开源项目,定位就一句话——”The Memory Layer for AI Agents”。这篇是基础篇,只讲它是什么、怎么上手、适合谁。

项目介绍:Agent 的”海马体”

可以把 mem0 理解成 Agent 专用的记忆外挂,架构上分三层,用的时候只记两个动作就行:

  • 存:memory.add(对话, user_id=用户),自动抽成结构化记忆存进向量库;
  • 取:memory.search(问题, user_id=用户),检索相关记忆拼进提示词。

它和 RAG 最大的区别:RAG 存的是文档,mem0 存的是”关于这个人的事实”——偏好、历史、上下文,跨会话、跨工具一直跟着用户走。底层支持 OpenAI、Anthropic、本地 Ollama 等多种模型和向量库,可插拔。

三条上手路线,对应三种人:

  1. 开源库(pip install mem0ai):个人项目、小团队,直接嵌进 Python/JS 代码,五分钟跑通;
  2. 自托管 Docker:数据不出内网,企业自建,记忆存在自己服务器上;
  3. 托管平台(app.mem0.ai):不想运维就调 API,还多了 2026 年 4 月发布的新记忆算法——官方称 LoCoMo 测到 92.5 分、单次检索只要约 7K token,不过这组数字跑的是托管版,开源版只能说”方向一致”,别直接对标。

生态位也卡得很准:官方给了 22 个框架的集成指南,LangChain、CrewAI、LlamaIndex、Vercel AI SDK 全在列,连 Claude Code、Cursor、Codex 这些编码 Agent 都有记忆插件。也就是说,它不跟这些框架抢位置,而是当它们的”记忆供应商”。之前我们写过的《CrewAI 是什么?57K 星的多智能体框架》和《LangChain 基础篇》里的 Agent,理论上都能外挂 mem0 补记性。

上手:五分钟存第一条记忆

以 Python 开源库为例:

pip install mem0ai
from mem0 import Memory

memory = Memory()
messages = [{"role": "user", "content": "我叫老罗,喜欢用 Python 写爬虫"}]
memory.add(messages, user_id="luo")

related = memory.search("用户喜欢用什么语言?", filters={"user_id": "luo"}, top_k=3)
print(related)

跑通之后再决定:个人玩具用开源库够了;要给公司客服、陪伴类应用做”认得回头客”的长期记忆,再去看自托管或托管版。官方文档在 docs.mem0.ai,还有 /llms.txt 方便 Agent 直接读文档——自己吃自己家”记忆”这套,细节挺有意思。

实话:三句结论

  1. 记忆是真痛点。凡是带”回头客”的 Agent(客服、陪伴、个人助理、长期协作编码),没有记忆层就是半成品,mem0 是目前星数最高的现成方案。
  2. 开源版和托管版有差距。最亮眼的 benchmark 数字归托管平台,开源版 Apache-2.0 随便用,但别指望跑出同样的分数;自托管还要自己配向量库和 LLM,有运维成本。
  3. 隐私是双刃剑。记忆越好用,存的用户画像越多,数据放谁家(自己服务器还是 mem0 平台)要在动手前想清楚,尤其是 C 端产品。

一句话:Agent 的”智商”靠模型,”情商”靠记忆。mem0 就是给 Agent 补情商的那块拼图,6.6 万星不是白来的,但用之前先分清你要的是玩具记忆还是生产记忆。


本文由数码罗记原创,首发于 ai.godsun.pro。by 数码罗记·godsun.pro

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注