mem0 - 左子网

了解更多·加入Discord·Demo·OpenMemory

?具有可扩展的长期记忆→建筑生产的AI代理→

⚡ +26％的准确性与OpenAI内存•更快91％•90％的令牌少90％

研究亮点

+机车基准上的OpenAI内存的准确性为26％
比全文快91％的响应速度，可确保低延展性
与全文相比，令牌使用率低90％ ，削减成本而没有折衷
阅读完整的纸

介绍

mem0 （“ MEM-Zero”）用智能存储层增强了AI助手和代理，从而实现了个性化的AI交互。它记得用户的偏好，适应个人需求，并随着时间的流逝而不断学习 – 客户支持聊天机器人，AI助手和自治系统的理想。

关键功能和用例

核心功能：

多层内存：无缝保留具有自适应个性化的用户，会话和代理状态
开发人员友好：直观的API，跨平台SDK和一个完全管理的服务选项

应用程序：

AI助手：一致，上下文丰富的对话
客户支持：召回过去的门票和用户历史记录
医疗保健：跟踪患者的偏好和个性化护理历史
生产力与游戏：根据用户行为的自适应工作流程和环境

快速入门指南

在我们的托管平台或自托管软件包之间进行选择：

托管平台

自动更新，分析和企业安全，在几分钟内启动并运行。

在mem0平台上注册
通过SDK或API键嵌入存储层

自托（开源）

通过PIP安装SDK：

pip install mem0 ai

通过NPM安装SDK：

npm install mem0 ai

基本用法

mem0需要LLM才能发挥作用，而来自OpenAI的GPT-4O-Mini默认为默认值。但是，它支持各种LLM；有关详细信息，请参阅我们支持的LLMS文档。

第一步是实例化内存：

mem0 import Memory

openai_client = OpenAI()
memory = Memory()

def chat_with_memories(message: str, user_id: str = \”default_user\”) -> str:
# Retrieve relevant memories
relevant_memories = memory.search(query=message, user_id=user_id, limit=3)
memories_str = \”\\n\”.join(f\”- {entry[\’memory\’]}\” for entry in relevant_memories[\”results\”])

# Generate Assistant response
system_prompt = f\”You are a helpful AI. Answer the question based on query and memories.\\nUser Memories:\\n{memories_str}\”
messages = [{\”role\”: \”system\”, \”content\”: system_prompt}, {\”role\”: \”user\”, \”content\”: message}]
response = openai_client.chat.completions.create(model=\”gpt-4o-mini\”, messages=messages)
assistant_response = response.choices[0].message.content

# Create new memories from the conversation
messages.append({\”role\”: \”assistant\”, \”content\”: assistant_response})
memory.add(messages, user_id=user_id)

return assistant_response

def main():
print(\”Chat with AI (type \’exit\’ to quit)\”)
while True:
user_input = input(\”You: \”).strip()
if user_input.lower() == \’exit\’:
print(\”Goodbye!\”)
break
print(f\”AI: {chat_with_memories(user_input)}\”)

if __name__ == \”__main__\”:
main()\”>

 from openai import OpenAI
from mem0 import Memory

openai_client = OpenAI ()
memory = Memory ()

def chat_with_memories ( message : str , user_id : str = \"default_user\" ) -> str :
    # Retrieve relevant memories
    relevant_memories = memory . search ( query = message , user_id = user_id , limit = 3 )
    memories_str = \" \\n \" . join ( f\"- { entry [ \'memory\' ] } \" for entry in relevant_memories [ \"results\" ])

    # Generate Assistant response
    system_prompt = f\"You are a helpful AI. Answer the question based on query and memories. \\n User Memories: \\n { memories_str } \"
    messages = [{ \"role\" : \"system\" , \"content\" : system_prompt }, { \"role\" : \"user\" , \"content\" : message }]
    response = openai_client . chat . completions . create ( model = \"gpt-4o-mini\" , messages = messages )
    assistant_response = response . choices [ 0 ]. message . content

    # Create new memories from the conversation
    messages . append ({ \"role\" : \"assistant\" , \"content\" : assistant_response })
    memory . add ( messages , user_id = user_id )

    return assistant_response

def main ():
    print ( \"Chat with AI (type \'exit\' to quit)\" )
    while True :
        user_input = input ( \"You: \" ). strip ()
        if user_input . lower () == \'exit\' :
            print ( \"Goodbye!\" )
            break
        print ( f\"AI: { chat_with_memories ( user_input ) } \" )

if __name__ == \"__main__\" :
    main ()

有关详细的集成步骤，请参见QuickStart和API参考。

?集成与演示

带有内存的CHATGPT ：由mem0提供动力的个性化聊天（现场演示）
浏览器扩展名：跨Chatgpt，困惑和Claude（Chrome Extension）存储回忆
Langgraph支持：使用Langgraph + mem0构建客户机器人（指南）
CREWAI集成：使用mem0定制Crewai输出（示例）

文档和支持

完整文档：https：//docs.mem0.ai
社区：不和谐·Twitter
联系人：创始人@ mem0 .ai

引用

现在，我们有一张纸可以引用：

mem0,
title={ mem0 : Building Production-Ready AI Agents with Scalable Long-Term Memory},
author={Chhikara, Prateek and Khant, Dev and Aryan, Saket and Singh, Taranjeet and Yadav, Deshraj},
journal={arXiv preprint arXiv:2504.19413},
year={2025}
}\”>

 @article { mem0 ,
  title = { mem0 : Building Production-Ready AI Agents with Scalable Long-Term Memory } ,
  author = { Chhikara, Prateek and Khant, Dev and Aryan, Saket and Singh, Taranjeet and Yadav, Deshraj } ,
  journal = { arXiv preprint arXiv:2504.19413 } ,
  year = { 2025 }
}