← 返回
未分类 Key

Sophie Mem0

企业级智能记忆系统,支持跨会话语义记忆存储与检索,实现多级长期上下文管理和自我反思学习能力。
企业级智能记忆系统,支持跨会话语义记忆存储与检索,实现多级长期上下文管理和自我反思学习能力。
dingdangmaoup dingdangmaoup 来源
未分类 clawhub v1.0.1 1 版本 100000 Key: 需要
★ 0
Stars
📥 324
下载
💾 0
安装
1
版本
#auto#latest#mem0#memory#qdrant#vector-db

概述

Sophie Mem0 - 智能记忆系统

> 企业级长期记忆系统,为OpenClaw Agent提供持久化语义记忆能力

概述

Sophie Mem0 是一款基于 mem0ai 的企业级记忆管理技能,为 Agent 提供:

  • 语义记忆存储 - 自然语言描述的记忆,自动提取关键信息
  • 跨会话持久化 - 记忆永不过期,支持长期上下文
  • 智能检索 - 语义搜索,快速定位相关记忆
  • 多级记忆 - 支持 User/Session/Agent 三级记忆体系
  • 自我反思 - Agent 可评估自身表现并从经验中学习

前置要求

必需服务

服务版本说明
------------------
Qdrant≥1.7向量数据库,存储记忆向量
Python≥3.10运行 mem0ai
mem0ai≥0.1.x记忆框架核心

依赖安装

pip install mem0ai qdrant-client

配置

1. 服务启动

# 启动 Qdrant (Docker)
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

# 验证 Qdrant 运行
curl http://localhost:6333/readyz

2. 环境配置

技能读取配置文件:~/.openclaw/workspace/mem0_config.json

{
    "vector_store": {
        "provider": "qdrant",
        "config": {
            "host": "localhost",
            "port": 6333,
            "collection_name": "sophie_memory"
        }
    },
    "llm": {
        "provider": "openai",
        "config": {
            "api_key": "YOUR_API_KEY",
            "openai_base_url": "https://open.bigmodel.cn/api/paas/v4",
            "model": "glm-4"
        }
    },
    "embedder": {
        "provider": "openai",
        "config": {
            "api_key": "YOUR_API_KEY",
            "openai_base_url": "https://open.bigmodel.cn/api/paas/v4",
            "model": "embedding-3"
        }
    }
}

3. API配置说明

LLM 模型(必须)

支持以下兼容 OpenAI 接口的模型:

模型提供商说明
--------------------
glm-4智谱AI推荐,支持中文
gpt-4oOpenAI需要海外环境
gpt-4OpenAI需要海外环境

Embedder 模型(必须)

模型提供商说明
--------------------
embedding-3智谱AI推荐,支持中文
text-embedding-3-smallOpenAI需要海外环境

向量数据库

数据库Provider说明
------------------------
Qdrantqdrant推荐,已验证
Chromachroma需额外配置
PGVectorpgvector需PostgreSQL

使用方法

全自动模式(推荐)

Sophie可以全自动识别和存储重要记忆,无需手动触发:

# 自动监控模式 - 分析文本并自动存储
/tmp/mem0-env/bin/python3 ~/.openclaw/workspace/skills/sophie-mem0/scripts/auto_memory.py auto -t "文本内容"

自动触发场景

场景关键词/模式优先级
---------------------------
用户自我介绍"我叫..."、"我是..."、"我的名字叫..."
职业/工作"在...工作"、"做...工程师"
用户偏好"我喜欢..."、"我更偏好..."
习惯"我通常..."、"我习惯..."
待办/承诺"记得..."、"别忘了..."
用户纠正"不对"、"错了"、"应该..."
情感状态"今天有点累"、"最近很烦"

使用示例

# 自动存储用户自我介绍
auto -t "我叫张三,在厦门工作,做应用开发"

# 自动存储用户偏好
auto -t "我喜欢喝咖啡,尤其是拿铁"

# 自动存储待办
auto -t "记得周五提醒我买火车票"

# 自动识别用户纠正
auto -t "不对,我之前说的是美式咖啡"

手动命令

命令说明示例
------------------
add添加新记忆mem0 add -t "记忆内容"
search搜索记忆mem0 search -q "关键词"
list列出所有记忆mem0 list
delete删除记忆mem0 delete -i "记忆ID"
health健康检查mem0 health

响应格式

添加记忆成功

✅ 已记住:"[记忆内容]"
   记忆ID: xxx-xxx
   创建时间: YYYY-MM-DD HH:mm:ss

搜索记忆结果

🔍 找到 X 条相关记忆:

1. [记忆内容] (相关度: 85%)
   ID: xxx | 添加于: YYYY-MM-DD

2. [记忆内容] (相关度: 72%)
   ID: xxx | 添加于: YYYY-MM-DD

无记忆结果

🔍 没有找到与"[关键词]"相关的记忆

API 参考

Python SDK

from mem0.memory.main import Memory

# 初始化
memory = Memory.from_config(config)

# 添加记忆
result = memory.add(
    text="用户喜欢喝拿铁咖啡",
    user_id="sophie"
)

# 搜索记忆
results = memory.search(
    query="用户的咖啡偏好是什么?",
    user_id="sophie"
)

# 获取所有记忆
all_memories = memory.get_all(user_id="sophie")

# 删除记忆
memory.delete(memory_id="xxx-xxx", user_id="sophie")

架构设计

┌─────────────────────────────────────────────────────────┐
│                     OpenClaw Agent                      │
├─────────────────────────────────────────────────────────┤
│  Sophie Mem0 Skill                                      │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Memory Manager                                  │   │
│  │  - 自动记忆提取                                  │   │
│  │  - 语义压缩                                     │   │
│  │  - 冲突检测                                     │   │
│  └─────────────────────────────────────────────────┘   │
│                         │                              │
│                         ▼                              │
│  ┌─────────────────────────────────────────────────┐   │
│  │  mem0ai Core                                    │   │
│  │  - 自然语言理解                                  │   │
│  │  - 记忆组织                                    │   │
│  │  - 上下文管理                                   │   │
│  └─────────────────────────────────────────────────┘   │
│                         │                              │
│           ┌─────────────┴─────────────┐              │
│           ▼                           ▼              │
│  ┌─────────────────┐     ┌─────────────────┐        │
│  │   LLM (glm-4)   │     │ Embedder        │        │
│  │   智谱AI API    │     │ (embedding-3)  │        │
│  └─────────────────┘     └─────────────────┘        │
│                         │                              │
│                         ▼                              │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Qdrant Vector Store                             │   │
│  │  - 向量存储 & 相似度检索                         │   │
│  │  - 元数据管理                                   │   │
│  └─────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────┘

安全与隐私

数据安全

  • ✅ 所有数据存储在本地 Qdrant 实例
  • ✅ API Key 通过配置文件管理,不硬编码
  • ✅ 支持私有化部署
  • ✅ 无第三方数据传输

隐私保护

  • 用户可随时删除记忆
  • 支持按记忆ID精确删除
  • 支持清空所有记忆

故障排除

Qdrant 连接失败

# 检查容器状态
docker ps | grep qdrant

# 重启 Qdrant
docker restart qdrant

# 检查端口
curl http://localhost:6333

API Key 无效

# 验证 API Key
curl -H "Authorization: Bearer YOUR_KEY" \
     https://open.bigmodel.cn/api/paas/v4/models

模型不支持

确保使用的模型名称与提供商文档一致:

  • 智谱AI: glm-4, embedding-3
  • OpenAI: gpt-4o, text-embedding-3-small

版本历史

版本日期更新内容
----------------------
1.0.02026-03-25初始版本,支持 Qdrant + 智谱AI

许可证

MIT License - 可自由使用、修改和分发

作者

Sophie AI - 为 Master (Ding Dangmao) 服务 🎀

版本历史

共 1 个版本

  • v1.0.1 当前
    2026-05-07 14:41 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-agent

Agent Browser

rez0
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互(包括浏览页面、填写表单、点击按钮、截图等)时使用。
★ 834 📥 303,568
ai-agent

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,394 📥 322,196
ai-agent

Find Skills

guipi888
场景驱动+关键词双模式技能发现工具。当用户用自然语言描述场景/需求(如"我想做一个海报""帮我分析股票"),或明确说"安装技能/find skills/找个skill"时,自动从官方内置、本地已安装、SkillHub、虾评、GitHub、C
★ 1,458 📥 506,302