主要内容
mem0 的哲学和 Letta 相反：Letta 让你按它的范式重写 agent，mem0 让你在现有 agent 上加一层。自动从对话中抽取事实 / 偏好 / 关系，存到向量 + 图混合存储，下次对话相关记忆自动召回。AWS Agent SDK 选它作独家记忆 provider，足以说明生态认可度。托管版和自部署版都有。核心哲学是：记忆不应该是一个架构决策，而是像 log / cache 一样的基础设施能力，随时加，随时换。
核心关注点
别让"加记忆"变成重写系统。已有 agent 上三行代码就能用。
接入成本极低框架无关托管 / 自部署双版本多 agent 共享自动事实抽取
安装与 hello world
$ pip install mem0ai
hello-world.py
from mem0 import Memory
m = Memory()
# 添加记忆（自动从对话抽取事实）
m.add(
messages=[
{"role": "user", "content": "我对花生过敏，最爱吃川菜"},
{"role": "assistant", "content": "记下了"},
],
user_id="alice",
)
# 后续对话时检索
memories = m.search(
query="有什么晚餐推荐？",
user_id="alice",
limit=3,
)
# 返回: [{"memory": "对花生过敏", "score": 0.91}, ...]
# 把 memories 注入到已有 agent 的 system prompt
context = "\n".join(m["memory"] for m in memories["results"])
system = f"用户记忆：\n{context}\n请基于这些偏好回答。"关键 API / 概念
Memory.add(messages, user_id)自动从对话中抽取事实，用 LLM 做 extraction + deduplication。
Memory.search(query, user_id)向量 + 图混合检索，返回带分数的 memory 列表。
user_id / agent_id / run_id 三级维度记忆可以按用户、agent、会话隔离或共享。
托管版app.mem0.ai 提供 hosted 版本，免维护存储层。
适用场景
01
给现有 agent 补记忆
客服 bot / 文档助手 / 编程副驾驶，想让它记住用户偏好，不想动核心逻辑。
02
多 agent 共享用户画像
同一个用户被 5 个不同 agent 服务，记忆通过 mem0 集中，画像一致。
03
B2B SaaS 里的记忆能力
你的产品是 agent 平台，想让终端用户"训练他们自己的 agent"，mem0 是基础层。
什么时候别用
- 记忆是产品核心差异化：考虑 Letta 的深度架构方案
- 对事实召回精度要求极高：自己做检索更可控
vs 相邻选项
vs Letta
mem0 是记忆"即插件"，Letta 是记忆"即架构"。前者快，后者深。
vs Zep
Zep 更强调对话摘要和 temporal graph，mem0 更通用、接入更快。