mem0 Memory 🧠 — 完整实现（增强版）

组件

| 组件 | 技术 | 作用 | |------|------|------| | LLM | MiniMax-M2.7 | 记忆生成与提取 | | Embedder | Ollama 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：

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）

# 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

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-STATE | | URL/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

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

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

截断恢复（下次会话）

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