总览
概览
相关源文件
本章引用的主要源码文件：
AGENTS.mdCLAUDE.mdREADME.mddocs/cookbooks/essentials/building-ai-companion.mdxdocs/cookbooks/essentials/controlling-memory-ingestion.mdxdocs/cookbooks/essentials/entity-partitioning-playbook.mdxdocs/cookbooks/essentials/exporting-memories.mdxdocs/cookbooks/integrations/healthcare-google-adk.mdxdocs/cookbooks/integrations/openai-tool-calls.mdxdocs/cookbooks/overview.mdxdocs/docs.jsondocs/images/docs thumbnails/dark/CLI.pngdocs/images/docs thumbnails/light/CLI.pngdocs/introduction.mdxdocs/llms.txtdocs/logo/dark.svgdocs/logo/light.svgdocs/open-source/python-quickstart.mdxdocs/platform/features/contextual-add.mdxdocs/platform/features/entity-scoped-memory.mdxdocs/platform/features/v2-memory-filters.mdxdocs/vibecoding.mdxskills/README.mdskills/mem0-integrate/LICENSEskills/mem0-integrate/README.mdskills/mem0-integrate/SKILL.mdskills/mem0-test-integration/LICENSEskills/mem0-test-integration/README.mdskills/mem0-test-integration/SKILL.md
Mem0（"mem-zero"）是一个通用的、自我改进的 AI 应用记忆层，能够实现个性化、上下文感知的交互。它通过智能地跨会话存储和检索对话历史、用户偏好和领域知识来发挥作用。该系统支持云托管（平台模式）和自托管（开源模式）两种部署模型，利用大语言模型（LLM）驱动的事实提取、语义搜索和基于图的知识存储来增强 AI 智能体 README.md:70-73。
有关详细的架构模式，请参见系统架构。有关特定部署的指导，请参见部署模型。有关安装步骤，请参见安装与设置。
目的与范围
Mem0 为 AI 应用提供跨会话持久化的上下文 docs/llms.txt:3。它通过统一的 API 抽象了管理嵌入向量、大语言模型（LLM）提取逻辑和数据库操作的复杂性。
在 2026 年 4 月，Mem0 引入了一种新的记忆算法，通过转向单次提取模型和多信号检索，实现了显著的性能提升（在 LoCoMo 上达到 91.6）README.md:45-62。
关键能力：
- 多层级记忆：在用户、会话和智能体级别作用域化状态
README.md:77。 - 混合检索：融合语义、BM25 关键词和实体匹配
README.md:60。 - 自我改进：从用户交互中学习，并随时间适应偏好
README.md:72。
来源： README.md:1-85, docs/introduction.mdx:1-17
系统组件
代码库组织为一个多语言单体仓库，包含 Python 和 TypeScript 软件开发工具包（SDK）、命令行界面（CLI）和服务器实现 AGENTS.md:13-17。
核心类与模块
平台客户端（托管模式）
MemoryClient(docs/llms.txt:25-51)：托管 Mem0 平台的主要接口。它在服务端处理提供者配置，提供零运维体验。AsyncMemoryClient(docs/docs.json:73)：用于高吞吐量 Python 应用的异步变体。
开源客户端（自托管模式）
Memory(docs/llms.txt:85-108)：自托管部署的核心编排器。它需要本地配置大语言模型（LLM）和数据库。AsyncMemory(docs/docs.json:170)：用于本地部署的异步变体。
工厂系统 Mem0 使用工厂模式根据 MemoryConfig 动态加载提供者 docs/docs.json:181：
- 大语言模型（LLM）：支持 18 个以上提供者，包括 OpenAI、Anthropic 和 Ollama
README.md:152。 - 嵌入器：支持 11 个以上提供者，用于生成向量表示
README.md:154。 - 向量存储：与 24 个以上后端集成，如 Qdrant、Pinecone 和 PGVector
AGENTS.md:21。
来源： docs/llms.txt:1-112, README.md:150-165, AGENTS.md:13-55
高层架构
来源： docs/llms.txt:3-13, README.md:88-96, docs/open-source/python-quickstart.mdx:80-87, AGENTS.md:42-55
部署模型
平台模式（托管）部署
生产环境的推荐路径，提供 4 行代码集成和低于 50 毫秒的检索速度 docs/llms.txt:23。它包含高级功能，如 Webhook、自定义分类和托管仪表盘 README.md:92-94。
来源： docs/llms.txt:25-53, README.md:131-135
开源模式（自托管）部署
专为需要完全基础设施控制或数据主权的团队设计 docs/introduction.mdx:76。它默认使用 Qdrant（磁盘存储）和 SQLite 进行本地存储 docs/open-source/python-quickstart.mdx:80-87。
来源： docs/llms.txt:85-111, docs/open-source/python-quickstart.mdx:80-87
核心能力
多层级记忆作用域
Mem0 对数据进行分区以确保隐私和上下文相关性 README.md:77。
| 作用域 | 键 | 描述 |
|---|---|---|
| 用户 | user_id | 长期偏好和事实 docs/open-source/python-quickstart.mdx:48。 |
| 智能体 | agent_id | 角色特定的知识 docs/llms.txt:159。 |
| 会话 | run_id | 特定交互线程的短期上下文 docs/platform/features/v2-memory-filters.mdx:40。 |
来源： README.md:77, docs/platform/features/v2-memory-filters.mdx:35-41
记忆操作流程
此图将自然语言输入桥接到负责存储的代码实体。
来源： docs/open-source/python-quickstart.mdx:42-76, docs/cookbooks/essentials/controlling-memory-ingestion.mdx:17-21, docs/llms.txt:169-170
包结构
| 目录 | 包 / 角色 |
|---|---|
mem0/ | 核心 Python 软件开发工具包（mem0ai）AGENTS.md:21。 |
mem0-ts/ | TypeScript 软件开发工具包（mem0ai）AGENTS.md:22。 |
server/ | 用于自托管的 FastAPI REST 服务器 AGENTS.md:27。 |
cli/ | 多语言命令行工具（mem0-cli、@mem0/cli）AGENTS.md:23-24。 |
vercel-ai-sdk/ | Vercel AI 软件开发工具包集成 AGENTS.md:25。 |
来源： AGENTS.md:17-38
快速入门
- 快速安装：
pip install mem0ai或npm install mem0aiREADME.md:101-115。 - 第一条记忆：初始化
MemoryClient（平台模式）或Memory（开源模式），然后调用.add()docs/llms.txt:29-108。 - 命令行管理：使用
mem0 init配置你的环境README.md:143。