Mem0：从聊天里留下事实，再为下一次回答挑选记忆

一个写作助手已经知道你喜欢“先给结论，再举例子”，换个话题后却又从头询问偏好；如果每次都把全部聊天记录重新附上，材料又会越来越长。Mem0 做的是中间这一层：从对话中提取值得保存的事实，按用户等范围存储，再在回答新问题前检索相关记忆。

它主要面向在开发助手、客服或持续对话产品的团队。普通使用者得到的是更连贯的交互，开发者则需要把存储、检索和回答衔接起来。Mem0 提供开源库、自托管服务和托管平台，三者的功能范围与数据部署方式需要分开看。来源：Mem0 开源概览

一段对话怎样进入下一次回答

官方代码中的基本循环很清楚：先拿当前问题检索同一用户的相关记忆，把找到的事实加入回答所用的上下文，再调用模型生成回复，最后把本次对话交给记忆层提取新事实。来源：官方基本用法

用一个中文教学情境解释：用户先说“以后讨论文章，先告诉我你的判断，再展开例子”。系统可以把它作为偏好保存；以后用户要求审一篇稿，先按这个用户的身份检索相关记忆，再把偏好与当前稿件一起交给回答模型。最后得到怎样的审稿意见，仍取决于模型与提示。这是流程说明，没有实际运行，也没有验证中文抽取质量。

这里有一个容易忽略的分工：Mem0 返回的是相关记忆，最终回复由应用所接的模型生成。记忆层不会自动接管整段对话，也不能仅凭“搜到偏好”就证明回答遵循了偏好。用户标识同样得由应用正确传入；记忆过滤条件不等于用户身份认证。

当前官方迁移指南说明，自动提取改为单次模型调用、只新增事实。处理时先取相关旧记忆作为去重背景，抽出新事实，再做嵌入、精确去重与批量存储。过去让模型判断新增、更新、删除的流程，已经改变。来源：当前算法迁移指南

下图来自这份迁移文档的算法小节。重点看提取流程中的“只新增”，以及后面的检索流程；这是编辑对公开页面的真实截图，不是运行成绩或效果测试。

编辑真实截图：Mem0 官方文档，未改写页面内容。打开原图阅读流程。

假设那位用户后来改口，希望“先看原材料，再看判断”，新偏好会与旧事实一起留下，自动写入流程不会先删除旧偏好。官方把选择相关、当前信息的责任更多放到了检索阶段。

这改变了采用时最该看的问题：不能只检查“有没有记下来”，还要看面对新旧事实时，系统是否找回了适合当前问题的那一条。对于会变化的习惯和项目状态，保存历史有价值；如何解释时间和冲突，也随之成为真实负担。“只新增”不是“永远记对”。

当前开源文档描述了语义、关键词和实体匹配等信号的融合，但有一处尤其值得留意：候选仍由语义检索提供，关键词与实体信号用于提高候选的排序，不会另外补进新的候选。如果语义阶段漏掉了目标事实，后续加分本身救不回来。

混合能力也依赖额外组件；缺少部分依赖时，会退回较少的检索信号。README 展示的托管平台成绩还包含开源 SDK 没有的专有优化，不能把那些数字视为本地安装后的成绩。当前图记忆也已移至平台，开源版不再提供旧的外部图存储集成。

开源代码采用 Apache-2.0 许可，但自托管不自动意味着模型调用留在本机：默认组件使用外部模型与嵌入服务，需要按自己的数据要求配置。来源：代码许可

对希望减少重复交代背景的产品团队，Mem0 值得看的，是“先找相关事实，再回答”的循环。开始时可以选一组会重复出现、也会变化的偏好，检查提取、身份范围和冲突检索三个环节；只有下一次回答用对了记忆，保存才真正产生价值。