mem0

Mem0 平台集成

技能图谱： 此技能属于 Mem0 技能图谱的一部分：

• mem0（此技能）——平台客户端 SDK + OSS（Python + TypeScript）
• mem0-cli（GitHub）——命令行界面
• mem0-vercel-ai-sdk（GitHub）——Vercel AI SDK 提供方

Mem0 是面向 AI 应用的托管式记忆层。它通过 API 存储、检索和管理用户记忆，无需部署基础设施。若要自托管，请参阅下方客户端参考中的 OSS 部分。

步骤 1：安装并进行身份验证

Python：

pip install mem0ai
export MEM0_API_KEY="m0-your-api-key"

TypeScript/JavaScript：

npm install mem0ai
export MEM0_API_KEY="m0-your-api-key"

在此获取 API 密钥：https://app.mem0.ai/dashboard/api-keys?utm_source=oss&utm_medium=skill-mem0

没有 MEM0_API_KEY？ 运行 mem0 init --agent --agent-caller <your-name> --json（先执行 pip install mem0-cli 或 npm install -g @mem0/cli），将 <your-name> 替换为你的 Agent 标识（例如 claude-code、cursor）。如果忘记传入 --agent-caller，请在初始化后运行 mem0 identify <your-name>。之后，人类用户可以通过 mem0 init --email <your-email> 认领。

步骤 2：初始化客户端

Python：

from mem0 import MemoryClient
client = MemoryClient(api_key="m0-xxx")

TypeScript：

import MemoryClient from 'mem0ai';
const client = new MemoryClient({ apiKey: 'm0-xxx' });

对于异步 Python，请使用 AsyncMemoryClient。

步骤 3：核心操作

每种 Mem0 集成都遵循相同的模式：检索 → 生成 → 存储。

添加记忆

messages = [
    {"role": "user", "content": "I'm a vegetarian and allergic to nuts."},
    {"role": "assistant", "content": "Got it! I'll remember that."}
]
client.add(messages, user_id="alice")

搜索记忆

results = client.search("dietary preferences", filters={"user_id": "alice"})
for mem in results.get("results", []):
    print(mem["memory"])

获取所有记忆

all_memories = client.get_all(filters={"user_id": "alice"})

更新记忆

client.update("memory-uuid", text="Updated: vegetarian, nut allergy, prefers organic")

删除记忆

client.delete("memory-uuid")
client.delete_all(user_id="alice")  # delete all for a user

常见集成模式

from mem0 import MemoryClient
from openai import OpenAI

mem0 = MemoryClient()
openai = OpenAI()

def chat(user_input: str, user_id: str) -> str:
    # 1. Retrieve relevant memories
    memories = mem0.search(user_input, filters={"user_id": user_id})
    context = "\n".join([m["memory"] for m in memories.get("results", [])])

    # 2. Generate response with memory context
    response = openai.chat.completions.create(
        model="gpt-5-mini",
        messages=[
            {"role": "system", "content": f"User context:\n{context}"},
            {"role": "user", "content": user_input},
        ]
    )
    reply = response.choices[0].message.content

    # 3. Store interaction for future context
    mem0.add(
        [{"role": "user", "content": user_input}, {"role": "assistant", "content": reply}],
        user_id=user_id
    )
    return reply

常见边界情况

• 搜索结果为空： add() 是异步的，会返回 {"event_id": "...", "status": "PENDING"}（TS 客户端返回 eventId）。事件状态变为 SUCCEEDED 后，记忆即可搜索（轮询 GET /v1/event/{event_id}/，或等待几秒）。infer=False 为同步操作。另外，请确认 user_id 完全匹配（区分大小写），并使用 filters={"user_id": "..."} 语法。
• 使用 user_id + agent_id 的 AND 筛选条件时结果为空： 实体是分别存储的。请改用 OR，或分别查询。
• 记忆重复： 同一数据不要混用 infer=True（默认值）和 infer=False。请始终使用同一种模式。
• 导入错误： 使用托管平台时，请使用 from mem0 import MemoryClient（异步操作则使用 AsyncMemoryClient）。from mem0 import Memory 是自托管 OSS 类，不使用 MEM0_API_KEY。
• v3 默认值（平台）： top_k=10，rerank=False。threshold 是在分数组合前应用的服务端截断值，并非返回的 score 的下限（默认值和 0.0 返回的结果相同或几乎相同）。除非你主动传入这些参数，否则客户端不会发送它们。OSS 的 Memory.search() 默认 top_k=20。请根据使用场景进行调整。

v2 兼容性

“v2”系列指 Python SDK 1.x 和 TypeScript SDK 2.x。如果你仍在使用该系列，请注意它与当前 SDK（Python 2.x、TypeScript 3.x）的以下差异：

• 实体 ID： user_id / agent_id / run_id 可以作为顶层 kwargs 传给 search() 和 get_all()。现在这些参数必须放在 filters 中（放在顶层会报错）
• 默认值（平台）： threshold=0.3，rerank=False。OSS：top_k=100、无 threshold、rerank=True
• 图记忆： enable_graph=True 和 relations 已移除。实体关联已内置（OSS 请参阅 client/python.md）

详情请参阅平台迁移指南和 OSS 迁移指南。

实时文档搜索

如需查找参考资料之外的最新文档，请使用文档搜索工具：

python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --query "topic"
python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --page "/platform/features/graph-memory"
python ${CLAUDE_SKILL_DIR}/scripts/mem0_doc_search.py --index

无需 API 密钥——可直接搜索 docs.mem0.ai。

客户端 SDK 参考

按语言分类的深入参考（平台 + OSS）：

语言	文件
Python（MemoryClient + AsyncMemoryClient + Memory OSS）	client/python.md
TypeScript/Node.js（MemoryClient + Memory OSS）	client/node.md
Python 与 TypeScript 的差异	client/differences.md

平台参考

如需深入了解，可按需查阅：

主题	文件
快速入门（Python、TS、cURL）	references/quickstart.md
SDK 指南（两种语言的所有方法）	references/sdk-guide.md
API 参考（端点、过滤器、对象架构）	references/api-reference.md
架构（流水线、生命周期、范围限定、性能）	references/architecture.md
平台功能（检索、图、类别、MCP 等）	references/features.md
框架集成（LangChain、CrewAI、OpenAI Agents 等）	references/integration-patterns.md
用例与示例（包含代码的真实场景模式）	references/use-cases.md

相关 Mem0 技能

技能	适用场景	链接
mem0-cli	终端命令、脚本编写、CI/CD、Agent 工具循环	本地 / GitHub
mem0-vercel-ai-sdk	提供自动记忆功能的 Vercel AI SDK 提供程序	本地 / GitHub