💡 一句话总结：Mem0 是一个即插即用的 Agent 记忆层，用一个 LLM 把对话里值得记的事实抽出来、去重落库，下次对话只检索相关的几条注入上下文。本文带你从最小示例跑到真实 Agent 对话循环，并讲清它记什么、改什么、忘什么。
一、LLM 的「金鱼记忆」问题
做过 Agent 的人都知道，LLM 本质是无状态的。这一轮你告诉它「我用 VS Code、喜欢深色模式」，下一轮新开个 session，它就跟没听过一样。所有「记忆」都得你自己想办法塞回上下文。
最朴素的办法是把聊天历史全拼进 prompt。短对话还行，但只要对话一长，问题立刻浮现：
- 成本爆炸：token 随对话轮数线性增长，每一轮都要把前面所有内容重发一遍。
- context rot：上下文堆到几万 token 后，真正重要的信息被淹没在历史里，模型注意力涣散，回答质量不升反降。
- 跨会话失忆：换个 session、隔一天再来，历史没了，一切归零。
真正需要的不是「把所有话都记住」，而是把值得记的事记住,该忘的忘掉。这正是 Mem0 要解决的事。
二、Mem0 是什么：一个记忆层，不是一个数据库
Mem0（读作 “mem-zero”）是目前最流行的开源 Agent 记忆框架。它的定位是一个记忆层，夹在你的应用和 LLM 之间，干三件事：
- 提取（Extract）：用一个 LLM 把对话里真正值得记的「事实」抽出来。比如从「我最近在用 Astro 搭个技术博客，部署在 Cloudflare」里抽出「用户在做 Astro 博客」「部署平台是 Cloudflare」两条事实。
- 巩固（Consolidate）：新事实进来时，和已有记忆比对——是全新的就新增，是对旧记忆的更新就改写，矛盾的就覆盖。这一步避免记忆里堆满重复和过时的内容。
- 检索（Retrieve）：下次对话时，根据当前 query 做语义检索，只把最相关的几条记忆注入上下文。
关键区别：它不存对话原文，存的是抽取后的结构化事实。所以上下文始终是恒定的小尺寸，而不是无限膨胀的历史。
三、5 分钟跑通最小记忆
开源版完全不需要 API key 就能体验核心流程（用默认配置时会调用 OpenAI，所以先设个 key）。安装：
pip install mem0ai最小示例——存一条记忆，再问出来：
import os
os.environ["OPENAI_API_KEY"] = "sk-..."
from mem0 import Memory
m = Memory()
# 存入记忆（自动抽取事实）
m.add("我喜欢深色模式，平时用 VS Code 写代码。", user_id="alice")
# 检索相关记忆
results = m.search("她用什么编辑器？", filters={"user_id": "alice"})
for r in results["results"]:
print(r["memory"], " score:", round(r["score"], 3))你会看到它抽出了类似「Prefers dark mode」「Uses VS Code」这样的结构化记忆，并能用语义检索命中。注意 add 进去的是一整句自然语言，Mem0 在背后帮你做了事实抽取——你不用自己解析。
💡 提示：
Memory()用的是默认配置（OpenAI 做 LLM 和 embedder，内存向量库）。内存向量库重启即丢，正经用要配持久化后端，见第五节。
四、核心 API：五个动作就够用
Mem0 的开源版 API 非常克制，记住这五个就能覆盖绝大多数场景：
# 1. add —— 写入记忆（接受字符串或消息列表）
m.add("我对花生过敏。", user_id="alice", metadata={"category": "health"})
messages = [
{"role": "user", "content": "帮我订餐，别放坚果。"},
{"role": "assistant", "content": "好的，已避开坚果类。"},
]
m.add(messages, user_id="alice")
# 2. search —— 语义检索相关记忆
hits = m.search("有什么饮食禁忌？", user_id="alice", limit=5)
# 3. get_all —— 拉取某用户的全部记忆（可带 filters）
all_mem = m.get_all(user_id="alice", filters={"category": "health"})
# 4. update —— 修改某条记忆
m.update(memory_id="<id>", data="我现在对花生过敏，但坚果可以。")
# 5. delete —— 删除（单条或按 user 清空）
m.delete(memory_id="<id>")
m.delete_all(user_id="alice")几个要点：add 既能吃单句也能吃 messages 列表，后者更适合直接喂对话片段；metadata 是你做精细过滤的抓手，存 category、来源、时间都靠它；search 的 limit（top_k）建议 3-5，太多会把无关记忆也注入上下文。
五、配置生产级后端
默认的内存向量库不能用于生产。真实部署要把向量库、LLM、embedder 三件套都配好。下面是 Qdrant + OpenAI 的组合：
import os
from mem0 import Memory
os.environ["OPENAI_API_KEY"] = "sk-..."
config = {
"vector_store": {
"provider": "qdrant",
"config": {
"collection_name": "agent_memories",
"host": "localhost",
"port": 6333,
},
},
}
m = Memory.from_config(config)
m.add("用户负责的项目代号是 Odysseus。", user_id="bob")如果要完全本地、数据不出域，把 LLM 和 embedder 换成 Ollama 即可，一个 key 都不用：
from mem0 import Memory
memory = Memory.from_config({
"vector_store": {
"provider": "qdrant",
"config": {
"collection_name": "local_mem",
"host": "localhost",
"port": 6333,
"embedding_model_dims": 768,
},
},
"llm": {
"provider": "ollama",
"config": {
"model": "llama3.1:latest",
"temperature": 0,
"max_tokens": 2000,
"ollama_base_url": "http://localhost:11434",
},
},
"embedder": {
"provider": "ollama",
"config": {
"model": "nomic-embed-text:latest",
"ollama_base_url": "http://localhost:11434",
},
},
})注意 embedder 换了模型，向量维度也要跟着改（nomic-embed-text 是 768 维，OpenAI 的 text-embedding-3-small 是 1536 维），维度对不上向量库会报错。
六、把记忆接进真实 Agent 对话循环
光会 add/search 还不够，关键是把记忆编织进对话流程：每轮对话前先检索相关记忆注入系统提示，对话后把新内容写回记忆。一个最小但完整的循环：
import os
from openai import OpenAI
from mem0 import Memory
os.environ["OPENAI_API_KEY"] = "sk-..."
client = OpenAI()
mem = Memory()
def chat(user_input: str, user_id: str) -> str:
# 1) 检索与本轮相关的记忆
hits = mem.search(user_input, user_id=user_id, limit=5)
memories = "\n".join(f"- {h['memory']}" for h in hits["results"])
# 2) 把记忆拼进 system prompt
system = (
"你是一个有长期记忆的助手。以下是关于该用户的已知信息，"
"请在回答时自然地利用它们：\n" + (memories or "（暂无记忆）")
)
resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": system},
{"role": "user", "content": user_input},
],
)
answer = resp.choices[0].message.content
# 3) 把本轮对话写回记忆（让 Mem0 自行决定记什么）
mem.add(
[
{"role": "user", "content": user_input},
{"role": "assistant", "content": answer},
],
user_id=user_id,
)
return answer
print(chat("我是个 Rust 重度用户，讨厌写 YAML。", "carol"))
print(chat("帮我推荐个配置文件格式。", "carol")) # 会记得你讨厌 YAML第二轮提问时，Mem0 检索到了第一轮抽取的「用户讨厌 YAML」「用户用 Rust」，于是助手会避开 YAML、可能推荐 TOML——跨轮次的个性化就这样自动发生了，而你的上下文始终只有几条记忆，没有膨胀。
七、它如何决定记什么、改什么、忘什么
Mem0 最值得理解的是它的记忆巩固机制。当你 add 新内容时，它不是无脑追加，而是：
- 先用 LLM 从输入里抽取候选事实；
- 对每条候选事实，去向量库检索语义相近的已有记忆；
- 让 LLM 判断这是一次 ADD（全新事实）、UPDATE（对旧事实的补充/修正）、DELETE（旧事实已失效）还是 NOOP（重复，忽略）。
举例：用户先说「我住北京」，后来说「我搬到上海了」。第二条进来时，Mem0 检索到「住北京」这条旧记忆，判断为 UPDATE/DELETE，于是把它改写或删除，而不是让「住北京」和「住上海」两条矛盾记忆并存。这套机制让记忆库随时间自我清理，是它比「往向量库里硬塞」高明的地方。
⚠️ 注意：抽取和巩固都依赖 LLM 的判断，不是 100% 可靠。关键业务事实（如过敏、合规约束）建议带 metadata 标记并定期 get_all 审计，别完全托付给自动巩固。
八、生产落地的几个坑
- user_id 是隔离边界，别图省事共用。多租户场景务必每个真实用户一个稳定的 user_id，否则记忆会串。
- 写入不必每轮都做。每次 add 都要调 LLM，高频对话可以攒几轮再批量写，省成本也降延迟。
- search 的 limit 别贪多。3-5 条通常够，注入太多无关记忆反而干扰生成、增加 token。
- 提取用小模型、生成用大模型。事实抽取是个简单任务，用便宜模型甚至本地 Ollama 完全够，把预算留给生成。
- 定期审计与清理。自动巩固偶尔会误判，重要场景定期 get_all 检查记忆质量，必要时人工 update/delete。
结语
Mem0 把「给 Agent 加记忆」这件原本要自己拼向量库 + 抽取 prompt + 去重逻辑的脏活，收敛成了 add/search 两个动作。它的价值不在多复杂，而在让记忆变成一个恒定小尺寸、自我清理的层，从根上绕开了「堆历史」带来的成本和 context rot 问题。
如果你正在做一个需要「记得住用户」的 Agent，先用开源版本地把第六节那个对话循环跑通——你会立刻感受到「它居然记得我上次说的话」带来的体验跃迁。