import

Mem0 导入

将记忆从 mem0 导出文件导入当前项目。

执行

步骤 1：确定要导入的导出文件

如果用户在 /mem0:import <filename> 中提供了文件名参数，请使用该文件。

否则，列出当前目录中名称包含 mem0-export 的 .md 文件：

ls -1 *.md 2>/dev/null | grep mem0-export || echo "No export files found"

如果找到多个文件，请询问用户要导入哪一个。如果没有找到，请输出：

No mem0-export files found in the current directory.
Run /mem0:export first, or provide the filename: /mem0:import <path-to-file>

步骤 2：解析导出文件

确定插件根目录。根据当前平台使用相应的变量：

• Claude Code：${CLAUDE_PLUGIN_ROOT}
• Codex：${CODEX_PLUGIN_ROOT}
• Cursor：${CURSOR_PLUGIN_ROOT}

运行解析器脚本，将记忆记录提取为 JSON：

python3 "<PLUGIN_ROOT>/scripts/parse_export_file.py" "<path-to-export-file>"

这会输出一个 JSON 数组，其中每个元素包含：

• id — 原始记忆 ID（仅供参考；导入时会分配新 ID）
• type — 元数据类型
• confidence — 元数据置信度值
• branch — 元数据分支
• files — 相关文件列表
• categories — 类别列表
• content — 记忆文本

如果脚本失败或输出 []，请输出：

Failed to parse <filename> or file contains no valid memory blocks.

并停止。

步骤 3：解析身份信息

确定当前身份：

• user_id：取自 MEM0_USER_ID 环境变量，否则取 $USER，再否则使用 "default"
• project_id（用作 app_id）：取自 MEM0_PROJECT_ID 环境变量，或通过项目解析器获取

步骤 4：导入每条记忆

对于解析后的 JSON 数组中的每条记录，调用 add_memory，并传入：

• text="<record.content>"
• user_id=<active_user_id>
• app_id=<active_project_id>
• metadata={
  • "type": "<record.type>"（如果非空）
  • "confidence": "<record.confidence>"（如果非空）
  • "branch": "<record.branch>"（如果非空）
  • "files": <record.files>（如果非空，则传入该列表）
  • "source": "import"
  • }
• infer=False

注意：

• 不要传入原始 id——平台会分配新 ID。
• 跳过 content 为空的记录（解析器已过滤这些记录，但仍需做好防护）。
• 即使个别记录导入失败，也要继续导入；记录成功数量。

步骤 5：打印结果

Imported <N> memories into project <project_id>

其中 <N> 为成功导入的记忆数量。

如果有失败项：

Imported <N>/<total> memories into project <project_id> (<failed> failed)

从其他 AI 工具导入（--tools）

使用 --tools 调用时（例如 /mem0:import --tools），检测并从其他 AI 工具的配置文件导入：

支持的工具

工具	文件/目录
Cursor	.cursorrules
GitHub Copilot	.github/copilot-instructions.md
Cline	memory-bank/（包含 .md 文件的目录）
Continue	.continue/rules.md

T1：检测

test -f .cursorrules && echo "cursor: .cursorrules"
test -f .github/copilot-instructions.md && echo "copilot: .github/copilot-instructions.md"
test -d memory-bank/ && echo "cline: memory-bank/"
test -f .continue/rules.md && echo "continue: .continue/rules.md"

T2：询问用户

列出找到的文件，并询问要导入哪些文件（输入编号，以逗号分隔，或输入 "all"）。 如果没有找到：

No competing tool configuration files found.
Checked: .cursorrules, .github/copilot-instructions.md, memory-bank/, .continue/rules.md

T3：运行导入

对于每个选定的工具：

python3 "<PLUGIN_ROOT>/scripts/import_competing_tools.py" <tool> --path <file>

工具：cursorrules、copilot、cline、continue。

T4：报告

Imported <N> memories into <project_id> (cursor: <N>, copilot: <N>)

注意：使用 infer=False，标记为 metadata.source=<tool>-import，跳过少于 50 个字符的章节，将超过 10k 个字符的文本块截断，可安全重复运行（去重机制会处理重复内容）。

---

导入 Claude Code 的原生 MEMORY.md

使用 Claude Code 原生 MEMORY.md 文件的路径调用时（通常为 ~/.claude/projects/<proj-key>/memory/MEMORY.md），或当 on_session_start.sh 检测到原生自动记忆且用户选择导入时：

1. 读取文件。文件包含以换行符分隔的记忆条目（每行一条事实， 有时带有 - 项目符号前缀）。
2. 按非空行拆分。每行成为一条记忆。
3. 跳过少于 20 个字符或仅为标题（#）的行。
4. 对每一行，调用 add_memory，并传入：
   • text="<line>"
   • user_id=<active_user_id>
   • app_id=<active_project_id>
   • metadata={"type": "task_learning", "source": "memory-md-import", "confidence": 0.8}
   • infer=False
5. 报告：已从 MEMORY.md 导入 <N> 条记忆到项目 <project_id>
6. 建议禁用原生自动记忆：

   To avoid duplicate memory systems, add to ~/.claude/settings.json:
     "autoMemoryEnabled": false
   

这可弥补用户一直使用 Claude Code 原生记忆、随后切换到 mem0 时的冷启动空档。

错误处理

• 如果在 <PLUGIN_ROOT>/scripts/parse_export_file.py 找不到解析器脚本，打印错误并停止。
• 如果 add_memory 调用持续失败（例如，身份验证错误），报告问题并尽早停止。