Mem0怎么用 AI应用记忆层工具教程

Mem0是一个开源的AI记忆层工具，可以给任何AI应用添加长期记忆，让AI记住用户偏好和对话历史。它负责从对话中提取有用信息、保存并按需检索；接入时，你仍要在应用里把检索结果交给模型，并把新对话写回记忆。

步骤一：选接入方式

先打开 Mem0 官网或 GitHub 项目页，确认自己要用托管服务还是本地开源 SDK。新手建议先跑 Python SDK，省去部署数据库的步骤；要把记忆能力接进自己的产品，再选云端 API 或自托管方案。准备好 Python 环境和可调用的模型接口，后续才能实际测试。

步骤二：创建项目并准备密钥

想用托管方式，就进入 Mem0 平台注册并新建项目，在控制台找到 API Key，复制后放进环境变量，不要直接写进代码。终端可执行 export MEM0_API_KEY=”你的密钥”。如果选择本地 SDK，也要准备 Mem0 调用所需的模型配置；模型和向量嵌入服务需能正常访问。

步骤三：安装 Python SDK

打开终端，进入项目目录，先创建并启用虚拟环境，再安装官方 Python 包。运行 pip install mem0ai，等待安装结束；随后用 python -c “import mem0; print(‘ok’)” 检查是否成功。若提示找不到命令，确认当前终端使用的是刚才启用的 Python 环境，再重新安装。

步骤四：初始化 Mem0 客户端

在项目中新建 memory_demo.py，导入 os 和 MemoryClient，从环境变量读取 API Key，创建客户端。将代码保存后先运行一次，确认密钥读取正确。示例中的 user123 是用户标识，实际应用要换成登录系统里的稳定用户 ID，不能每次对话随机生成。

步骤五：写入一段对话

在脚本中准备一组 user 与 assistant 消息，再调用 client.add(messages, user_id=USER_ID)。例如用户说“我吃素，对坚果过敏”，助手确认记住后，把这两条消息一起提交。Mem0会处理输入并形成可检索记忆；每个用户使用自己的 ID，避免不同人的偏好混在一起。

步骤六：搜索相关记忆

紧接写入代码，调用 client.search(“我的饮食限制是什么？”, filters={“user_id”: USER_ID})，再打印返回结果。运行脚本后，检查结果是否包含素食和坚果过敏信息。若查不到，先核对添加与搜索是否用了同一个用户 ID，再确认写入成功、API Key 可用，最后试试更具体的查询句子。

步骤七：接入自己的聊天流程

在每次生成回答前，先用用户当前问题调用 search，把返回的相关记忆整理成文本，拼进模型的 system prompt 或上下文；收到回答后，再把本轮 user 与 assistant 消息传给 add。这样形成“先检索、再回答、后写入”的循环。只注入相关内容，别把整库记忆都塞进提示词。

步骤八：验证、维护与替代选择

连续开两个新会话，用同一 user_id 提问，检查偏好能否延续；再换一个 ID，确认用户数据彼此隔离。上线前测试记忆更新、错误处理和删除流程，并避免保存不必要的敏感内容。若想找国内替代方案，可了解01Agent；访问官网查看产品说明，再按自己的模型、部署和接入需求评估。