ARTICLE · 1306733

Mem0 长期记忆教程:4 条命令给 AI 助手加上记忆

发布时间：2026-11-04 11:53:06 最近访问：2026-11-04 11:53:07

你如果跟我一样，用 AI 助手最烦它每次失忆：刚说完“我不喜欢废话，直接给结论”，换个窗口它又问一遍。给 AI 加长期记忆这件事，很多人第一反应是去搭向量库、写检索逻辑，其实已经有人把这块做成了开箱即用的工具，叫 Mem0。

Mem0（读作 mem-zero）是给 AI 助手和智能体加“记忆层”的，能记住用户偏好、适应用户需求、持续学习，适合客服机器人、AI 助手、自治系统这些场景。官方文档里给了三种用法：库（pip/npm）、自托管服务、云端平台。对只想先试一下的人来说，最快的路径是 CLI，四条命令就能开始。

四命令快速上手：Agent 直接给自己开账号

官方文档里有个很实用的入口，叫 Sign up as an agent。AI agent 可以在五秒内生成一个可用的 Mem0 API key，不用邮箱、不用 dashboard、不用 OTP。你如果正在用 Claude Code 这类工具，可以直接在终端里跑：

# 1. 安装 npm install -g @mem0/cli # 也可以用 pip install mem0-cli  # 2. 以 agent 身份注册（把 claude-code 换成你自己的名字） mem0 init --agent --agent-caller claude-code  # 3. 加一条记忆 mem0 add "I am using mem0"  # 4. 搜索验证 mem0 search "am I using mem0"

跑完这四步，记忆就能写入并检索。官方文档提到，之后人类 owner 可以用 mem0 init --email <你的邮箱> 认领这个账户，key 不变，已存记忆也会保留。这个路径适合先跑通流程，后面再决定要不要往项目里接。

多用户场景：CLI 直接管理记忆

如果你要测试“AI 记住不同用户偏好”，用 --user-id 把记忆按用户隔开。安装 CLI 后先 mem0 init，然后：

mem0 add "Prefers dark mode and vim keybindings" --user-id alice mem0 search "What does Alice prefer?" --user-id alice

这比写一堆胶水代码快得多。我建议从这一步开始练手，先感受一下记忆是怎么进去、怎么出来的，再考虑集成到代码里。

Python 代码接入：给现有 AI 助手加记忆

要在自己的程序里用，官方库叫 mem0ai。先安装：

pip install mem0ai

如果你想要更强的混合搜索（语义 + BM25 关键词 + 实体提权），文档建议安装带 NLP 支持的版本：

pip install mem0ai[nlp] python -m spacy download en_core_web_sm

核心用法是：先 search 取回相关记忆，再把记忆拼进 system prompt，最后生成回复。官方文档给了个最小示例，我整理出关键步骤：

from openai import OpenAI from mem0 import Memory  openai_client = OpenAI() memory = Memory()  def chat_with_memories(message: str, user_id: str = "default_user") -> str:     # 先检索和当前消息相关的记忆     relevant_memories = memory.search(query=message, filters={"user_id": user_id}, top_k=3)     memories_str = "\n".join(f"- {entry['memory']}" for entry in relevant_memories["results"])     # 再把记忆拼进 system prompt 去生成回复     system_prompt = f"You are a helpful AI. Answer the question based on query and memories.\nUser Memories:\n{memories_str}"     # 这里接你的 OpenAI 调用逻辑     ...

注意默认 LLM 是 gpt-5-mini，默认嵌入模型是 text-embedding-3-small。如果要用其他模型，需要看官方文档的 Supported LLMs / Embeddings 说明。

选哪种部署方式：库、自托管还是云端

官方文档里的对比表写得很清楚：

库（pip/npm）
：适合测试和原型，安装最省事，但没有 dashboard 和 API key 管理。
自托管服务器
：适合在自己基础设施上跑的团队。推荐一条命令 cd server && make bootstrap 起环境、建 admin、发第一个 API key；手动方式则是 cd server && docker compose up -d，然后通过浏览器 wizard 完成设置。
云端平台
：适合零运维的生产使用，注册 app.mem0.ai，然后用 SDK 或 API key 嵌入。

自己玩选库，团队用选自托管，不想管服务器选云端。

几个值得注意的点

1. 新算法是 ADD-only 的。 官方文档提到，2026 年 4 月的新记忆算法只用单次 ADD 提取，没有 UPDATE/DELETE，记忆会累积而不覆盖；同时加了实体链接、多信号检索和时间推理。LoCoMo 从 71.4 提到 92.5，LongMemEval 从 67.8 提到 94.4，而且是在 top_200 检索预算下单次检索跑出来的。从 OSS v2 升级到 v3 需要看迁移指南。

2. 关键词/实体混合搜索需要换嵌入模型。 文档里写，默认嵌入模型是为了方便上手；要吃到混合搜索的好处，官方推荐至少用 Qwen 600M 或同级别的嵌入模型。不用 npm 装完就期待 BM25 生效，得按文档配。

3. 多用户隔离要养成带 --user-id 的习惯。 文档示例里 add 和 search 都带了 --user-id。实际用的时候，如果哪次漏了，记忆很容易都堆到默认用户下面，后面按用户查就乱套了。

4. 如果你用的是 Claude Code / Codex / Cursor 这类支持 skills 的工具，可以更省事。 官方有 Agent Skills，可以用 npx skills add https://github.com/mem0ai/mem0 --skill mem0 把 SDK 知识注入上下文；在现有仓库里接入可以用 /mem0-integrate，迁移 OSS 到平台可以用 /mem0-oss-to-platform。

下次你的 AI 助手再失忆，给它接个 Mem0 试试，四行命令就能开始。