Mem0：大模型最强赋能“有记忆的LLM”

大模型相关目录

大模型，包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容
从0起步，扬帆起航。

35. 基于Dify的智能分类方案：大模型结合KNN算法（附代码）
36. OpenCompass：大模型测评工具
37. 一文读懂多模态大模型基础架构
38. 大模型管理平台：one-api使用指南
39. 大模型RAG、ROG、RCG概念科普
40. RAGOnMedicalKG：大模型结合知识图谱的RAG实现
41. DSPy：变革式大模型应用开发
42. 最简明的Few-shot Prompt指南
43. Semantic Kernel：微软大模型开发框架——LangChain 替代
44. 对话大模型Prompt是否需要礼貌点？
45. swift与Internvl下的多模态大模型分布式微调指南（附代码和数据）
46. 多模态大模型Internvl-1.5-26B微调后部署及测试实录（附代码）
47. 多模态大模型Internvl-2-26B的OCR赋能方案（附代码）
48. miniconda+xinference的大模型推理部署指南
49. Mem0：大模型最强赋能“有记忆的LLM”

---

---

前言

早在2023年8月份，着手大模型开发时就想到，大模型的本地应用开发可以设计用户对话的记录，一方面可以基于记录做应用的优化，另一方面用户对话记录本身也是良好的大模型微调、训练数据。

于是Mem0开源了

Mem0有助于更好地了解用户及其偏好，比如他们是谁、他们做什么、他们的位置、编码、写作和其他偏好。

Mem0的目标是提供一个智能的、自我改进的内存系统，能够根据用户互动存储、回忆和完善信息，使AI交互更加个性化和具有上下文感知能力。此外，项目使AI系统能够维护针对特定用户、特定会话和特定代理的内存，这有助于在不同平台和设备上提供一致且定制的用户体验。最后，Mem0允许开发者通过一个开发者API轻松地将这种内存功能集成到不同的应用中，最终实现跨应用程序的个性化AI体验。

核心功能

1️⃣用户、会话和AI代理内存：跨用户会话、交互和 AI 代理保留信息，确保连续性和上下文。

2️⃣自适应个性化：根据用户交互和反馈不断改进个性化。

3️⃣开发人员友好API：提供简单的 API，可无缝集成到各种应用程序中。

4️⃣平台一致性：确保不同平台和设备上的行为和数据一致。

5️⃣托管服务：提供托管解决方案，以便于部署和维护。

体验

安装

pip install mem0ai

初始化

from mem0 import Memory
m = Memory()

输入储存记忆并输出

result = m.add("hello world", user_id="alice", metadata={"category": "hobbies"})
print(result)

[
  {
    'id': 'm1',
    'event': 'add',
    'data': 'hello world'
  }
]

输出历史记忆

# Get all memories
all_memories = m.get_all()
print(all_memories)

检索记忆

related_memories = m.search(query="What are Alice's hobbies?", user_id="alice")
print(related_memories)

删除记忆

m.delete(memory_id="m1") # Delete a memory
m.delete_all(user_id="alice") # Delete all memories

总结

Mem0是一个轻量级、易使用的大模型赋能项目，能够轻松使得大模型应用具备完备的记忆CURD功能，在dify等大模型应用开发中也能友好灵活地进行嵌入。在项目落地时，面对客户的模型本地记录需求、模型微调数据采集需求都能有比较好的支持。