目的和能力

Mem0 通过提供以下功能将无状态 AI 应用程序转换为有状态、支持内存的系统：

• 持久记忆 ：跨会话长期保留用户偏好、对话历史记录和上下文信息
• 多级内存 ：支持具有自适应个性化的用户级、会话级和代理级内存
• 智能提取 ：基于 LLM 的记忆提取，可智能决定要记住和忘记哪些信息
• 语义搜索 ：使用向量相似性和上下文理解进行基于相关性的记忆检索
• 成本优化 ：与全上下文方法相比，令牌使用量减少 90%，响应速度提高 91%

系统架构概述

Mem0 的架构支持两种主要部署模型：托管平台服务和自托管开源解决方案，两者共享核心内存处理能力。

核心内存系统组件

核心内存系统由几个关键组件组成，这些组件协同工作以提供智能内存功能。

元件	目的	关键方法
Memory	核心内存编排	add（）、search（）、get（）、update（）、delete（）
VectorStoreFactory	矢量数据库实例化	提供商选择和配置
LlmFactory LLM	提供商管理	模型初始化和切换
EmbedderFactory	嵌入模型管理	嵌入提供程序配置
GraphStoreFactory	图数据库管理	关系存储配置

平台与开源部署模型

Mem0 提供两种不同的部署方法，具有不同的客户端接口和功能。

平台部署（托管服务）

平台客户端使用情况：

from mem0 import MemoryClient
client = MemoryClient()
client.add(messages, user_id="alex")
results = client.search(query, filters=filters)

开源部署（自托管）

from mem0 import Memory
memory = Memory.from_config(config)
memory.add(messages, user_id="alice", metadata={"category": "preferences"})
related_memories = memory.search("query", user_id="alice")

方面	平台	开源
客户端类	MemoryClient、AsyncMemoryClient	Memory
认证	需要 API 密钥	本地配置
基础设施	完全托管	自托管
定制	仅限于 API 参数	完全提供商控制
缩放	自动	手动配置

提供商生态系统和工厂模式

Mem0 使用工厂模式支持不同组件的多个提供者，从而实现灵活的部署配置

配置示例：

config = {"llm": {"provider": "anthropic","config": {"model": "claude-sonnet-4-20250514","temperature": 0.1,"max_tokens": 2000,}}
}

内存类型和功能

Mem0 支持镜像人类记忆系统的不同类型的内存：

内存类型	目的	存储期限
工作记忆	短期会话感知	会话范围
事实记忆	长期结构化知识（偏好、设置	） 持续
情景记忆	过去特定对话的记录	持续
语义记忆	随着时间的推移积累的常识	持续

主要特征：

• 多级内存 ：具有自适应个性化的用户、会话和代理级内存
• 图内存 ：存储实体和概念之间的关系
• 智能过滤 ：基于 LLM 的内存衰减以防止信息膨胀
• 语义搜索 ：基于向量的检索，具有相关性评分

集成环境

Mem0 作为中央内存层，与各种 AI 框架和开发工具集成。