返回 AI 工具目录

Mem0

开发框架人工精选最近核验 2026年7月23日

Mem0 是开源(Apache 2.0)的 AI 记忆层,为 Agent 与助手提供跨会话的持久记忆,让应用能记住用户偏好、会话上下文与历史交互。核心是记忆的写入(add)、检索(search)与更新,采用多层记忆(用户、会话、Agent)结构,并结合语义、关键词(BM25)与实体匹配的混合检索、时间维度推理。提供 Python(mem0ai)与 TypeScript/Node.js SDK,既可开源自托管(Docker 或服务方式),也有托管平台(app.mem0.ai)。可对接多种 LLM 与向量库,官方默认示例用 OpenAI 系模型,并提供 LangGraph、CrewAI、Vercel AI SDK 等集成。官方公布了 LoCoMo、LongMemEval 等基准结果。

定价开源部署自托管、SaaS 云服务、API 接入国内可达国内可达性待核验许可Apache-2.0

解决什么问题

  • 解决「大模型应用天生无状态、跨会话记不住用户」的问题:默认每次对话都是从零开始,用户偏好、历史结论、长期上下文无法沉淀
  • Mem0 在 LLM 应用与存储之间插入一层记忆:把对话中值得记住的信息抽取成结构化记忆,按用户、会话、Agent 分层存储
  • 检索时用语义加关键词加实体的混合方式召回相关记忆并注入到上下文,从而实现个性化与连续性,同时通过压缩历史来降低 token 与延迟
  • 官方将其应用场景描述为客服、医疗、教育、电商、销售与 CRM 等需要长期记忆用户的领域
  • 把「记忆管理」这件通用又琐碎的事抽象成可复用组件,免去自行设计抽取、存储、召回与更新逻辑

适合

  • 适合构建需要长期、个性化记忆的 Agent 或助手的团队:客服机器人记住客户历史与偏好、个人助理跨会话延续上下文、CRM 与销售助手沉淀客户画像、教育或医疗类需要长期跟踪的应用
  • 适合以 Python 或 TypeScript/Node.js 开发、希望用现成记忆组件而非自建抽取、存储、召回逻辑的团队
  • 开源自托管可把记忆数据留在自有环境,适合对数据出域敏感、又需要记忆能力的国内场景——前提是把默认的境外 LLM 与嵌入模型替换为境内或自托管模型
  • 若已在用 LangGraph、CrewAI 或 Vercel AI SDK,Mem0 提供对应集成,接入成本较低
  • 对希望通过压缩历史降低长对话 token 与延迟的应用也有价值

不适合

  • 不适合无状态、单轮或不需要跨会话记忆的简单应用——引入记忆层会增加抽取、存储、召回的复杂度与成本,收益有限
  • 若只是短上下文问答,直接用模型上下文或简单向量检索可能更省
  • 托管平台(app.mem0.ai)位于境外,对数据必须留境的场景不适用;开源自托管虽可留数据,但默认调用 OpenAI 系 LLM 与嵌入模型,不替换则记忆抽取与向量化仍会把内容发往境外
  • 官方公布的基准(LoCoMo、LongMemEval 等)是其自报结果,评估口径与数据集特定,应结合自有场景验证,不宜当作通用承诺;类似「某场景 token 大幅下降」的宣传数字同理需自测
  • 记忆质量依赖抽取与召回策略,错误记忆或召回噪声可能反噬回答质量,需要评估与治理机制

如何接入

  • 接入以 SDK 为主:Python(pip 安装 mem0ai)与 TypeScript/Node.js(npm),两端均有 CLI;pip/npm 包来自海外源,建议镜像加速
  • 部署有两种:开源自托管(Docker 或服务方式,记忆数据留在自有环境)与托管平台(app.mem0.ai,提供控制台、API key 与更多托管能力);落地路径通常是先用 SDK 自托管跑通,再决定是否接托管平台
  • 核心用法是三步——add(写入交互数据)、由 LLM 抽取与更新记忆、search(在对话中召回相关记忆并注入上下文)
  • 底层可配置 LLM 提供方、嵌入模型与向量库:官方默认示例用 OpenAI 系模型,生产上国内建议替换为境内或自托管的 LLM 与嵌入服务
  • 生态侧提供 LangGraph、CrewAI、Vercel AI SDK 等集成,可作为这些 Agent 框架的记忆后端

已知限制

  • 记忆层会增加系统复杂度,记忆质量取决于抽取与召回策略,错误或噪声记忆可能反噬回答,需要评估与治理
  • 它是记忆组件,不含完整的 Agent 编排、权限与多租户治理
  • 官方公布的 LoCoMo、LongMemEval、BEAM 等基准为厂商自报、数据集特定,「大幅降低 token 与延迟」等宣传数字均应结合自有场景实测,不宜直接外推
  • 国内可达性:开源版可自托管、把记忆数据留在境内,可达性尚可;但托管平台 app.mem0.ai 位于境外,使用即涉及数据出域;更关键的是默认 LLM(如 OpenAI 系)与嵌入模型在境外,记忆抽取与向量化会把内容发往境外,必须替换为境内或自托管模型才能真正数据闭环
  • pip/npm 依赖来自海外源,安装建议镜像加速

接入与使用事实

部署方式
自托管、SaaS 云服务、API 接入
实现语言
Python、TypeScript/Node.js
中文界面
待确认
中文文档
待确认
定价方式
开源
许可证
Apache-2.0
国内可达性
国内可达性待核验
可达性观察
待补充
查看代码仓库

权限、依赖与维护信号

这些字段记录公开可见信号，不等同于安全审计结论。

权限信号

暂无公开信号。

依赖信号

暂无公开信号。

维护信号

暂无公开信号。

公开来源与证据

  1. 代码仓库仅作事实索引
    查看来源

访问官网