# 🧠 Mem0：55k Stars 的开源 AI 记忆层，pip install 让你的 Agent 不再\"转头就忘\" / Mem0: 55k Stars Open-Source Memory Layer for AI Agents — Your Agent Finally Remembers ## TL;DR **Mem0**（读作"mem-zero"）是一个通用 AI 记忆层，专门解决 LLM/AI Agent 的短期记忆问题。你用 `pip install mem0ai`，几行代码就能给你的 AI 助理装上长期记忆——记住用户偏好、对话历史、跨会话状态。**新算法**在 LoCoMo 上跑出 **91.6**（+20 分），LongMemEval 上 **94.8**（+27 分），每次推理只用 ~7K tokens、1 秒延迟。YC S24，Apache 2.0，GitHub 55k+ stars。 --- ## 痛点：为什么你的 AI 总是"翻脸不认人" 用过 ChatGPT、Claude、或者自己搭的 AI Agent 都知道一个问题——**关掉会话，一切归零**。你跟它说过"我习惯用 VS Code + 深色模式"，下一轮它又忘了。这不是模型不行，是整个生态**缺少一个持久化记忆层**。 RAG 能搜文档，但搜不出"用户昨天想要什么"。Vector DB 能存向量，但没法做 temporal reasoning（区分"上周说的"和"今天刚说的"）。Mem0 就是来补这个坑的。 ## Mem0 是什么 Mem0 是一个**通用记忆层**，可以插到任何 AI 系统里。它管理三个级别的记忆： - **User Level**：记住用户偏好（"喜欢简洁回复"、"工作日上午 9-12 点最忙"） - **Session Level**：跟踪当前会话上下文 - **Agent Level**：记录 Agent 自己的行为模式和学习结果 跟普通 Vector DB 的区别：Mem0 不是简单存向量，而是做**实体提取 → 语义嵌入 → BM25 关键词 → 时间感知排序**的多信号融合检索。新算法甚至做到了 single-pass（一次 LLM 调用完成记忆提取），没有 UPDATE/DELETE 循环。 ## 真实数据（不是画饼） 2026 年 4 月更新的算法成绩： | 基准 | 旧算法 | 新算法 | Token 消耗 | 延迟 p50 | |------|--------|--------|-----------|---------| | **LoCoMo** | 71.4 | **91.6** | 7.0K | 0.88s | | **LongMemEval** | 67.8 | **94.8** | 6.8K | 1.09s | | **BEAM (1M)** | — | **64.1** | 6.7K | 1.00s | | **BEAM (10M)** | — | **48.6** | 6.9K | 1.05s | 所有 benchmark 都跑在生产级模型栈上，**单次检索**（没有 agentic loops 刷分）。算法论文和评估框架已开源，你可以自己复现。 ## 快速上手 ### 安装 ```bash pip install mem0ai ``` 如果需要混合搜索（语义 + BM25 + 实体增强）： ```bash pip install mem0ai[nlp] python -m spacy download en_core_web_sm ``` JS 开发者也有： ```bash npm install mem0ai ``` ### 10 行代码让 Chatbot 拥有记忆 ```python from openai import OpenAI from mem0 import Memory openai_client = OpenAI() memory = Memory() def chat_with_memories(message: str, user_id: str = "ty") -> str: # 1. 检索相关记忆 relevant = memory.search(query=message, filters={"user_id": user_id}, top_k=3) memories_str = "\n".join(f"- {entry['memory']}" for entry in relevant["results"]) # 2. 带记忆生成回复 system_prompt = f"You are a helpful AI. Answer based on query and memories.\nUser Memories:\n{memories_str}" resp = openai_client.chat.completions.create( model="gpt-5-mini", messages=[{"role": "system", "content": system_prompt}, {"role": "user", "content": message}] ).choices[0].message.content # 3. 把新对话存进记忆 memory.add(messages, user_id=user_id) return resp ``` ### 自托管（Docker） ```bash cd server && docker compose up -d # 浏览器打开 http://localhost:3000 ``` 一行命令建好带管理后台的记忆服务器。 ### CLI 玩法 ```bash npm install -g @mem0/cli # 或 pip install mem0-cli mem0 init mem0 add "Prefers dark mode and vim keybindings" --user-id alice mem0 search "What does Alice prefer?" --user-id alice ``` --- ## 有意思的细节 - **Agent Mode**：支持 AI Agent 自助注册。`mem0 init --agent --agent-caller claude-code`，5 秒内拿到 API key，不需要邮箱、不需要登录。人类主人之后可以用 `mem0 init --email xxx` 认领，记忆自动转移。 - **Agent Skills 集成**：支持 Claude Code / Codex / Cursor / OpenCode / OpenClaw 等工具的标准 skills 协议： ```bash npx skills add https://github.com/mem0ai/mem0 --skill mem0 ``` - **浏览器插件**：有个 Chrome 扩展，能把 ChatGPT、Perplexity、Claude 之间的记忆打通共享。 ## 适合谁 - **AI Agent 开发者**：你的 Agent 总是记不住用户配置？Mem0 直接插。 - **Chatbot / 客服系统**：跨会话记住用户历史。 - **想玩 RAG 升级版的人**：Mem0 不是 RAG（RAG 搜文档，Mem0 搜记忆），但可以跟 RAG 互补。 ## 一句话总结 > AI Agent 缺的不是算力，是记忆。Mem0 用 55k stars 告诉你，社区早就等这个了。 --- **Links:** - GitHub: [mem0ai/mem0](https://github.com/mem0ai/mem0) ⭐55.7k - Docs: https://docs.mem0.ai - Paper: arXiv 2504.19413 - Demo: https://mem0.dev/demo - Discord: https://mem0.dev/DiG --- ## English Summary **Mem0** is an open-source memory layer for AI agents. Install with `pip install mem0ai`, add 10 lines of code, and your chatbot finally remembers user preferences across sessions. The April 2026 algorithm scores **91.6 on LoCoMo** (+20 pts), **94.8 on LongMemEval** (+27 pts), with ~7K tokens and ~1s latency per inference. Multi-level memory (User/Session/Agent), hybrid retrieval (semantic + BM25 + entity + temporal), self-hosted Docker, CLI, Chrome extension, and built-in support for Claude Code / Codex / Cursor. YC S24, Apache 2.0, 55.7k stars.