专门为 AI agent 打造的长期记忆：Mem0

Mem0 采用可扩展的记忆架构，动态提取、整合和检索对话中的重要信息。

Mem0 能够动态提取和检索关键对话事实——在 LOCOMO 基准测试上相比 OpenAI 提升了 26%的相对准确率，p95 延迟降低了 91%，使用的 token 减少了 90%。

Mem0 的管道由两个阶段组成——提取和更新。

在提取阶段，系统会摄入三种上下文来源——最新的对话交互、一个滚动摘要以及最近的 m 条消息——并利用一个 LLM 来提取一组简明的候选记忆。一个后台模块会异步地刷新长期摘要，因此推理过程永远不会阻塞。

在更新阶段，每个新事实都会与向量数据库中排名前 s 的相似条目进行比较。LLM 然后选择以下四种操作之一：

- 添加（ADD） 新记忆
- 更新（UPDATE） 现有条目
- 删除（DELETE） 矛盾信息
- 无操作（NOOP） 如果无需更改

另外，该架构还包括一个增强型变体 Mem0ᵍ，基于图的存储层，以捕捉更丰富、多会话的关系。

链接：mem0.ai/research
论文：arxiv.org/abs/2504.19413