Memobase：开源AI长期记忆系统，让AI真正记住每个用户的秘密武器

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦

---

🤖 “你的AI还健忘吗？这款开源神器让机器人秒变读心专家！”

大家好，我是蚝油菜花。你是否也经历过这些AI尴尬时刻？

• 👉 昨天刚说过不吃辣，推荐的餐厅全是川湘菜
• 👉 每次咨询都要重复公司规模和预算
• 👉 教育AI永远记不住学生的学习进度…

今天要揭秘的Memobase，正在掀起AI记忆革命！这个斩获3.2k星的开源项目，通过三大黑科技让AI真正记住你：

• ✅ 时间感知记忆：像人类一样理解"上周喜欢咖啡，这周改喝茶"
• ✅ 非嵌入式系统：处理百万用户数据，响应速度提升5倍
• ✅ 用户画像自进化：自动生成「爱健身的90后CEO」「二次元医学生」等立体画像

已有教育机构用它打造「最懂学生的AI助教」，电商平台靠它实现推荐转化率提升70%——你的AI准备好拥有超强记忆力了吗？

🚀 快速阅读

Memobase 是一个开源的长期记忆系统，旨在为生成式 AI 提供用户记忆支持。

1. 核心功能：支持时间感知记忆、灵活配置和高效批处理，适用于大规模用户场景。
2. 技术原理：通过缓冲区与内存刷新机制、非嵌入式记忆系统等技术实现低延迟响应和快速读写。

Memobase 是什么

Memobase 是一个开源的长期记忆系统，专为生成式 AI 应用设计。它通过结构化的用户信息存储和灵活的配置选项，帮助 AI 记住用户的基本信息、兴趣爱好和行为习惯，从而提供个性化的交互体验。无论是虚拟助手、教育工具还是用户行为分析，Memobase 都能显著提升 AI 的智能化水平。

Memobase 的独特之处在于其时间感知记忆功能和非嵌入式记忆系统。通过时间戳记录事件序列，确保 AI 不会受到过时信息的干扰；同时，其高效的批处理能力支持大规模用户场景，满足企业级需求。

Memobase 的主要功能

• 用户记忆管理：为每个用户创建独立的长期记忆档案，记录基本信息、兴趣爱好和行为习惯。
• 时间感知记忆：记录事件的时间戳，支持事件序列存储和检索，避免过时信息干扰。
• 灵活的配置：开发者可根据需求选择性地存储和使用不同类型的记忆。
• 易于集成：提供 API 和多种语言的 SDK（如 Python、Node.js、Go），快速与现有系统集成。
• 批量处理与高效性能：支持高并发和大规模用户场景，快速处理大量数据。

Memobase 的技术原理

• 用户画像构建：基于用户与 AI 的交互数据提取关键信息，构建结构化的用户画像。
• 缓冲区与内存刷新机制：使用缓冲区暂存最近的用户数据，当数据量达到阈值或闲置时间过长时自动刷新到长期记忆中。
• 非嵌入式记忆系统：通过非嵌入式系统实现高效处理和存储，确保低延迟响应。
• 事件序列与时间感知：为每个记忆数据添加时间戳，支持事件序列存储和检索。
• 灵活的配置与扩展性：开发者可通过配置文件或 API 接口自定义记忆类型、存储方式和更新频率。

如何运行 Memobase

1. 启动 Memobase 后端

启动 Memobase 后端服务后，您需要以下两项信息继续操作：

1. 项目 URL，默认为 http://localhost:8019。
2. 项目 Token，默认为 secret。

2. 安装 Python SDK

通过以下命令安装 Memobase 的 Python SDK：

pip install memobase

3. 确保连接成功

使用以下代码测试与 Memobase 的连接：

from memobase import MemoBaseClient

mb = MemoBaseClient(
    project_url=PROJECT_URL,
    api_key=PROJECT_TOKEN,
)
assert mb.ping()

4. 管理用户

通过以下代码添加、更新和获取用户信息：

uid = mb.add_user({"any_key": "any_value"})
mb.update_user(uid, {"any_key": "any_value2"})
u = mb.get_user(uid)
print(u)

5. 插入数据

将用户数据插入 Memobase：

messages = [
    {
        "role": "user",
        "content": "Hello, I'm Gus",
    },
    {
        "role": "assistant",
        "content": "Hi, nice to meet you, Gus!",
    }
]
bid = u.insert(ChatBlob(messages=messages))
print(u.get(bid))  # 数据未刷新前可获取

6. 获取记忆

调用 flush() 方法将缓冲区数据刷新到长期记忆中，并查看用户画像：

u.flush()
print(u.profile())
# 输出示例：[UserProfile(topic="basic_info", sub_topic="name", content="Gus",...)]

资源

• GitHub 仓库：https://github.com/memodb-io/memobase

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦