mem0 Memory 🧠 — 完整实现（增强版）#

组件#

组件技术作用LLMMiniMax-M2.7记忆生成与提取EmbedderOllama nomic-embed-text本地语义向量化（完全离线）向量库Chroma本地向量存储Ollama开机自启向量服务

文件路径： D:\autoclaw\结果\mem0\

增强功能（参考 bilibili_code 课件）#

chat_with_memories 对话模式#

mem0_wrapper.py chat 命令实现了完整的记忆增强对话流程：

text

1. search 检索相关记忆
2. 将记忆注入 system prompt
3. 调用 MiniMax LLM 生成回复

中文记忆提取#

内置 FACT_RETRIEVAL_PROMPT，自动将用户对话提取为中文记忆条目。

多级记忆支持#

--run 参数支持 Session 级别记忆， --agent 支持 Agent 级别记忆。

完整 API（10 个命令）#

bash

# 增删改查
python D:\autoclaw\结果\mem0\mem0_wrapper.py add <user_id> "<内容>"              # 添加记忆（自动提取）
python D:\autoclaw\结果\mem0\mem0_wrapper.py search <user_id> "<query>"          # 语义搜索
python D:\autoclaw\结果\mem0\mem0_wrapper.py get_all <user_id>                 # 全部记忆
python D:\autoclaw\结果\mem0\mem0_wrapper.py get <memory_id>                    # 单条记忆
python D:\autoclaw\结果\mem0\mem0_wrapper.py update <memory_id> "<新内容>"     # 更新记忆
python D:\autoclaw\结果\mem0\mem0_wrapper.py delete <memory_id>                # 删除记忆
python D:\autoclaw\结果\mem0\mem0_wrapper.py history <memory_id>               # 修改历史

# 记忆增强对话（新增）
python D:\autoclaw\结果\mem0\mem0_wrapper.py chat <user_id> "<问题>"            # 检索+注入+LLM回答

# 重置
python D:\autoclaw\结果\mem0\mem0_wrapper.py delete_all <user_id>               # 清空用户记忆
python D:\autoclaw\结果\mem0\mem0_wrapper.py reset                              # 清空全部记忆（慎用）

# 可选参数
--limit N    # 限制返回数量（search/chat 默认5）
--run <id>  # 指定会话ID（session级别记忆）
--agent <id> # 指定智能体ID（agent级别记忆）

多级记忆架构#

text

mem0 存储层
├── User Memory（user_id=main_user）  ← 跨会话长期记忆
├── Session Memory（run_id）           ← 单会话临时记忆
└── Agent Memory（agent_id）           ← 多智能体共享记忆

当前实现：User Memory（ main_user），SESSION-STATE.md 作为 Session 层补充。

WAL 触发扫描（每消息必做）#

触发类型示例存储偏好"我喜欢..." / "不要..."mem0 add经历"我去了..." / "我做过..."mem0 add重要事实"我有..." / "我是..."mem0 add纠正"不是Y，是X" / "其实..."SESSION-STATE决定"就用X" / "去..."SESSION-STATE + mem0数字/日期具体数字+单位、日期SESSION-STATEURL/路径链接、文件路径SESSION-STATE专有名词名字、地点、公司、产品判断后存储

优先级：SESSION-STATE > mem0

完整工作流#

收到消息时#

text

扫描类型
  ├─ [偏好/经历/事实] → mem0 add
  ├─ [纠正/决定/数字/URL] → SESSION-STATE.md
  └─ [闲聊/无价值] → 不存
回复用户

回复后#

text

上下文使用率 > 60%？
  └─ 是 → WORKING-BUFFER.md 激活

截断恢复（下次会话）#

text

1. mem0 get_all → 恢复长期语义记忆
2. mem0 chat → 主动询问是否继续上次任务
3. SESSION-STATE.md → 恢复当前任务状态
4. WORKING-BUFFER.md → 恢复危险区对话

参考资料#

• ZejunCao/bilibili_code（Mem0框架解读）： https://github.com/ZejunCao/bilibili_code
  • mcp_server.py — FastMCP + mem0 REST 服务架构参考
  • prompts_zh.py — 中文提示词模板（USER_MEMORY_EXTRACTION_PROMPT 等）
  • demo.ipynb — chat_with_memories 完整流程
  • 踩坑记录.md — OpenMemory 调试踩坑

注意事项#

• Ollama 必须后台运行（已设开机自启）
• 添加需要 LLM（慢），搜索只需 embedder（快）
• SESSION-STATE 优先于 mem0
• 危险操作（reset/delete_all）需要二次确认
• memory_id 是记忆的唯一标识，用于 update/delete/history