mem0ai/mem0 不只是把聊天记录塞进向量库。README 把它定位成 AI agents 的 universal memory layer，用来让代理记住偏好、事实和长期上下文，再在下一次回复前检索出来。

这个 skill 教程适合想给 AI 应用加长期记忆的新手。先用 CLI 验证一条记忆能写入和搜索，再决定接 Python/Node SDK、自托管 Server 或云平台。注意默认会涉及 LLM 和 embedding 配置，缺 Key 时不要误判成 Mem0 本身坏了。

先用 CLI 验证记忆能写能搜

最快的路径是装 CLI，并用 agent signup 创建可用 Key。README 给出的示例从安装到搜索只要几条命令：

npm install -g @mem0/cli
pip install mem0-cli

mem0 init --agent --agent-caller claude-code
mem0 add "I am using mem0"
mem0 search "am I using mem0"

如果搜索能找回刚写入的内容，说明账号、Key、写入和检索链路都通了。后面再把它接进应用代码，排查成本会低很多。

写进应用时选 SDK，不要只停在命令行

Python 项目安装 mem0ai，需要混合搜索和实体提取再加 [nlp]；Node 项目安装 mem0ai。

pip install mem0ai
pip install mem0ai[nlp]
python -m spacy download en_core_web_sm

npm install mem0ai

应用里常见的最小流程是：先按用户消息搜索相关记忆，把结果塞进系统消息，再把本轮对话追加回记忆。README 示例默认使用 OpenAI 客户端和 gpt-5-mini，同时说明可配置其他 LLM 与 embedding。

团队服务再考虑自托管

要给团队提供后台和 API，走 self-hosted server。README 推荐在 server 目录用 make bootstrap 一次启动堆栈、创建管理员并签发第一个 API Key；也可以手动 docker compose up -d 后去浏览器向导完成设置。

cd server && make bootstrap

cd server && docker compose up -d

第一次接入只看一个偏好是否被记住

不要一开始就把整套业务历史导入。先写一条轻量偏好，比如“喜欢深色模式和 vim 快捷键”，再问“这个用户偏好什么”。如果搜索能命中，再扩展到多用户过滤、混合搜索和平台迁移。Mem0 的价值是记忆层稳定参与回答，而不是一次性存很多文本。