Mem0

Mem0

给 AI 加个记忆层

亦作、亦称：Mem0 Platform · Memory Layer

Y Combinator 孵化的开源项目，为 LLM 应用提供通用、自改进的记忆层（Memory Layer），通过混合数据存储（图数据库 + 向量数据库 + 键值存储）实现跨会话的个性化记忆管理，2026 年 6 月 GitHub Stars 突破 47K，成为最广泛使用的 Agent 记忆方案。

混合数据存储架构

Mem0 的核心创新是混合数据存储架构（Hybrid Datastore）。传统方案通常只用向量数据库存储记忆，但记忆不仅仅是语义向量——它包含实体关系（用户 A 喜欢产品 B）、时间属性（上周讨论过 X）、结构化属性（用户偏好设置）。

Mem0 将三种存储引擎协同工作：图数据库（如 Neo4j）存储实体和关系，支持复杂的关系查询；向量数据库（如 Pinecone、Weaviate、Qdrant）存储语义嵌入，支持相似度检索；键值存储（如 Redis）存储结构化属性和元数据。

这种混合架构使 Mem0 能够检索「最相关、最重要、最新」的记忆，而不是仅仅基于语义相似度。

四种记忆类型

Mem0 支持四种记忆类型，对应认知科学中的记忆分类：长期记忆（Long-term Memory）存储跨会话的持久信息，如用户偏好、历史决策；短期记忆（Short-term Memory）存储当前会话的临时上下文；语义记忆（Semantic Memory）存储事实性知识，如「用户是 Python 开发者」；情景记忆（Episodic Memory）存储具体事件，如「上周讨论了部署问题」。

开发者可以为不同类型的记忆配置不同的存储策略和检索逻辑。例如，长期记忆可以设置更高的持久化优先级，情景记忆可以启用时间衰减机制。

生态与集成

Mem0 提供两种部署方式：Mem0 Platform（托管服务）和 Mem0 Open Source（自托管）。Platform 提供即用型基础设施、自动扩缩容、SLA 保障，适合快速上线；Open Source 提供完全的数据控制和定制能力，适合对数据主权要求高的企业。

生态集成方面，Mem0 与 LangChain、CrewAI、Vercel AI SDK、AutoGen 等 20+ 主流框架无缝集成，提供 REST API 和 Python/TypeScript SDK。

2026 年 6 月，Mem0 还推出了「Agent Signup」功能——AI Agent 可以在 5 秒内自动注册获取 API Key，无需人工介入。

常见误解

日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。

  • 「给 AI 加个记忆层」
  • 「让 LLM 记住用户偏好」

相关术语

和本术语关联紧密的其他词条，便于串联理解。

🎯 考点练习

含该术语的高频面试题，含标准答案与追问。

浏览全部面试题 →

延伸阅读

从知识库精选 2 篇文章，帮助深入理解该术语。

  1. 1

    AI Agent 记忆系统工程：四层架构、Mem0/Zep/Letta/LangMem 生产选型与 2026 最新进展

    2026 年 6 月，AI Agent 记忆系统已从「可选插件」升级为「核心基础设施」。Futurum Research 提出四层 Agentic Memory 模型（工作记忆、情景记忆、语义记忆、程序性记忆），Mem0 以 47K+ GitHub Stars 成为最广泛使用的记忆平台，Zep 在时间感知记忆领域领先，Letta 提供自托管控制方案。本文系统讲解 Agent 记忆系统的四层架构设计、五大工具选型对比、遗忘与衰减机制、CAMS 安全模型、以及从原型到生产的完整工程路径。

  2. 2

    Weaviate Engram 深度解析：AI Agent 生产级记忆服务的技术架构与工程实践

    2026 年 6 月 15 日，Weaviate 宣布 Engram 正式 GA（General Availability）。Engram 将 Agent 记忆从「自建基础设施」升级为「托管服务」——原始交互通过异步 Pipeline 自动提取、去重、 reconciled，最终以混合检索方式返回结构化记忆。本文从架构设计、Pipeline 机制、权限隔离模型、与 Mem0/Zep/Letta 的对比、到 Python/TypeScript 完整接入代码，系统讲解 Engram 如何成为 Agent 记忆层的生产级解决方案。

外部参考

维基百科：查看「Mem0」词条

本页内容为本站原创撰写；维基百科链接仅作延伸参考。