mem0ai/mem0

项目概览

该项目在 LoCoMo 基准测试中取得了 92.5 分，为评估大模型上下文记忆效率提供了具体的量化参考指标。

项目类型

AI Agent · RAG 与知识库

应用场景

知识问答 · 自动化执行

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要 AI 记住用户偏好、适应个人需求并持续学习的开发者和团队。
• 希望通过 Python/Node 库或 API 为现有应用添加多层级记忆功能的场景。

核心能力

• 保留用户、会话和 Agent 状态，并提供自适应的个性化支持。
• 允许用户通过终端中的 init、add 和 search 命令来管理记忆。
• 提供结合语义、BM25 关键词和实体匹配的多信号检索功能。
• 提供时间感知检索，针对有关当前状态、过去事件和未来计划的查询对日期实例进行排序。
• 跨记忆提取、嵌入并链接实体，从而提升检索能力。
• 为编码助手提供参考和流水线技能，以便其基于 mem0ai/mem0 进行构建。

限制与风险

• 开源版本用户应预期获得方向上类似的性能提升，但无法保证达到与托管平台完全一致的基准测试数据。
• 该项目的运行默认需要依赖外部 LLM，这会产生相应的 API 调用费用。

如何开始

• 可通过单条 pip 或 npm 安装命令，并直接使用 memory.add() 进行首次验证。
• 可以通过单条 docker compose up 命令快速启动服务器。

核验依据

• GitHub 项目简介: Universal memory layer for AI Agents
• README: ```bash pip install mem0ai ```
• README: [Mem0](https://mem0.ai) ("mem-zero") enhances AI assistants and agents with an intelligent memory layer, enabling personalized AI interactions. It remembers user preferences, adap…
• README: Scores reflect Mem0's managed platform, which includes proprietary optimizations not available in the open-source SDK; open-source users should expect directionally similar gains…
• README: title={Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory},

内容核验时间：