mem0 架构与设计思路分析

mem0ai/mem0 是通用应用/agent 记忆层，而不是单一 coding-agent 插件。仓库同时包含 Python SDK、TypeScript SDK、自托管 server、OpenMemory dashboard/API、CLI、MCP server 和多 agent/editor 集成。2026 年 README 强调新算法从 UPDATE/DELETE 记忆维护转向 ADD-only fact accumulation，并通过 entity linking、BM25、semantic 和时间信号融合检索。

核心架构图

┌──────────────────── app / agent / CLI / MCP client ──────────────────────────┐
│ add/search/get/update/delete · user_id/agent_id/run_id scoped filters         │
└───────────────────────────────┬───────────────────────────────────────────────┘
                                │
┌───────────────────────────────▼───────────────────────────────────────────────┐
│ mem0 Memory SDK (`mem0/memory/main.py`)                                       │
│ validation · additive extraction · entity extraction · telemetry-safe config   │
└───────────────┬───────────────────────────────┬───────────────────────────────┘
                │                               │
┌───────────────▼──────────────┐  ┌─────────────▼──────────────────────────────┐
│ LLM / embedder / reranker     │  │ storage backends                           │
│ factories + provider configs  │  │ vector stores · SQLite history · graph/db   │
└───────────────┬──────────────┘  └─────────────┬──────────────────────────────┘
                │                               │
┌───────────────▼───────────────────────────────▼──────────────────────────────┐
│ retrieval fusion: semantic similarity · BM25 lemma tokens · entities · time   │
└───────────────────────────────────────────────────────────────────────────────┘

模块分层

层/目录	责任
`mem0/memory/main.py`	SDK 核心：参数校验、config 安全拷贝/脱敏、LLM 抽取、entity extraction、BM25 预处理、score/rank。
`mem0/vector_stores/**`	多向量库适配层，是 mem0 保持通用性的关键。
`openmemory/api/**`	自托管 API/dashboard 后端，包含 SQLite 模型、权限、配置、MCP server。
`mem0-ts/**`	TypeScript SDK，与 Python SDK 形成双语言应用接入面。

关键数据流

写入时，app 传入 text/messages 和 filters，SDK 拒绝顶层 user_id/agent_id/run_id，要求进入 filters，避免 scope 混乱。
Memory.add 通过 LLM 做 additive extraction，提取 facts，不再默认修改旧事实；entity extractor 生成实体链接信号。
检索时 query 先被校验并 embedding；vector hit、BM25 keyword、entity matching、时间/metadata 信号进入 score_and_rank 融合。

设计决策

ADD-only 降低记忆更新/删除误判风险，代价是长期需要检索排序和冗余控制更强。
把 cloud/self-host/library 分成三层：library 适合原型，自托管补 dashboard/auth，cloud 承接高级产品能力。
多后端 factory 让它比 powermem 更轻数据库绑定，但一致性和运维语义也更分散。

对比定位

与 powermem 相比，mem0 更像云产品 + SDK 生态，后端中立；PowerMem 更强调 OceanBase 四路混合检索和数据库内聚。与 memsearch 相比，mem0 没有 Markdown truth source，而是 API/DB/向量层。与 agentmemory 相比，mem0 更偏应用用户记忆，不是 coding-agent 本地工作流。

核心架构图

模块分层

关键数据流

设计决策

对比定位

相关链接

相关页面