给 AI 装上记忆:这个开源项目让 AI「越用越懂你」

mem0ai/mem0 · ⭐ 63776(约 6.4 万) · Apache-2.0 · Python

用 AI 用久了,你一定被这件事膈应过:昨天你告诉它「我是做数据的、喜欢用 Python、不要给我写废话」,今天开个新窗口,它又客客气气地把你当陌生人从头问一遍。

这不是 AI 笨。而是大模型天生「失忆」—— 每次对话都是一张白纸,聊完即忘。要让它记住你,只能每次把历史一股脑塞进上下文里,又贵又慢,塞多了还会「记串」。

最近有个项目专门来补这块短板,叫 mem0(读作 "mem-zero")—— 给大模型和 AI Agent 加一层通用记忆层:自动从对话里提取该记的事,存下来,下次需要时精准取出。你只管聊,记忆它来管。

01它到底是什么

官方一句话定义:Universal memory layer for AI Agents —— 给 AI Agent 的通用记忆层。

说人话就是:它站在你的应用和大模型中间,负责「记」和「取」两件事。对话发生时,它自动判断哪些信息值得记(你的偏好、身份、说过的事实),存进去;下次你提问,它先从记忆库里捞出相关的几条,拼进上下文再交给模型。于是模型看起来就「记得你」了。

核心能力:

顺带纠正一个常见误会:网上不少旧文还写「mem0 有 3.4 万 star」—— 那是过时数据。发文时用 GitHub API 实测,它已经涨到 63776(约 6.4 万),fork 7456,最近一次更新就在昨天(2026-08-21),是个非常活跃的项目。

02有记忆 vs 无记忆,差别有多大

光说概念太抽象。直接看同一个问题,没记忆的 AI 和 装了 mem0 的 AI 分别怎么回答 —— 关键是,右边这些「它都知道」的前提,你从来没在这次对话里说过,全是它上周就记下的。

▼ 场景一 · 你问「帮我推荐个周末去处」

▼ 场景二 · 你说「帮我写段代码」

这就是「越用越懂你」的直观样子 —— 不是模型变聪明了,而是它终于记得住你了。

03怎么用:两个方法就够了

mem0 的 API 简单到让人意外,核心其实就两个动作:add(记) 和 search(取)。先装:

然后,一个能记住用户偏好的对话循环,核心就这么几行(节选自官方 README):

注意 add 的妙处:你不用自己判断哪句话该记,把整轮对话丢给它,它用 LLM 自动抽取出「Alice 喜欢深色模式和 vim 快捷键」这类事实存起来。下次 search 时按相关度捞回来即可。

连命令行都能玩,四条命令跑通「记 + 取」:

04三种用法,按需选

同一套记忆能力,mem0 给了三种形态,丰俭由人:

05除了「懂你」,它还帮你省钱

很多人第一反应:让 AI 记住我,不就是把历史对话全塞进上下文吗?问题恰恰在这 —— 全塞进去又贵又慢,对话越长,每次都要为一堆用不上的历史付 token 费。

mem0 的思路是只取相关的那几条,而不是全量灌。官方在 2026 年 4 月放出的新记忆算法给了一组基准数据(节选):

但这里必须如实说明:上面这组分数是 mem0 托管平台的成绩,包含了不在开源 SDK 里的专有优化 —— 官方原话是,开源用户能拿到「方向一致」的提升,但数字不会完全相同。看趋势就好,别把它当成开源版的承诺。

06它能接进哪些地方

mem0 不是个孤岛,README 里列了一串现成集成 —— 基本上你在用的 AI 生态都能对接:

07写在最后

这两年大家都在卷模型多聪明、上下文多长。但真正让 AI 从「一个好用的工具」变成「一个懂你的助手」的,往往不是参数多几个 B,而是它记不记得住你。

记忆这件事,听起来简单,做好很难 —— 该记什么、怎么存、怎么在海量记忆里精准捞回相关那几条、还不能把 token 撑爆。mem0 把这套脏活累活封装成了几行 API,这大概就是它能从 3.4 万一路涨到 6.4 万 star 的原因。

如果你正在做 AI Agent、客服机器人、个人助理,又苦于「它老是记不住用户」—— mem0 值得花半天接进去试试。免费开源版就能跑通全流程,不满意再看要不要上平台。