最近，OpenAI给一个叫Dot的应用投资了370万美金，这个应用背后的核心技术是“超强个性记忆”，现在由Mem0开源了。

（项目地址：https://github.com/mem0ai/mem0）

简单来说，Mem0是为大语言模型提供了一个智能、自我改进的记忆层，超越了RAG，可为LLM和Agent提供长期记忆，实现跨应用的个性化AI体验。因此，Mem0在GitHub上开源没多久就获得近万星。

Mem0几个主要特点：

1.多层次记忆：支持用户、会话和AI代理的记忆保留；

2.自适应个性化：基于交互，可持续改进；

3.开发人员友好的API：可与各种应用程序轻松集成；

4.跨平台一致性：不同设备、不同平台上可保持行为的一致性；

5.托管服务：便于部署和维护。

Mem0相比RAG的优势：

普通RAG只是单纯的从静态的文档中检索信息，而Mem0是RAG发展的下一个阶段，相比 RAG，Mem0提供的记忆实现相比 RAG具有以下优势：

关注实体关系：Mem0能理解和关联不同交互中的实体，而 RAG 则从静态文档中检索信息。这使得 Mem0对上下文和关系的理解更深刻；

最近性、相关性和衰减：Mem0优先考虑最近的交互，并逐渐忘记过时的信息，确保记忆保持相关和最新，以提供更准确的响应；

上下文连续性：Mem0在多个会话中保留信息，保持对话和交互的连续性，这对于长期参与应用，如虚拟伴侣或个性化学习助手来说至关重要；

自适应学习：Mem0根据用户交互和反馈改进其个性化，使记忆随着时间的推移更加准确和贴合个人用户；

动态更新信息：Mem0 能够根据新的信息和交互动态更新其记忆，而 RAG 依赖于静态数据。这允许实时调整和改进，提升用户体验。

从Mem0点特点和优势来看，它可以较为灵活地应用在虚拟伴侣、医疗助手、游戏助手等几个方面。

不过，让我们来剖析下Mem0背后的技术原理。

首先Mem0的源码有4个核心模块：embeddings、llms、memory、vector_stores，最重要的应该就是memory，比较简单。

直白的说，它的技术原理就是：和AI说话的时候告诉它“你可以自己决定你要记住什么”，把AI回复的“它想记住的东西”给存起来，以便下次对话的时候做参考。

具体看，本质上，Mem0就是写了一些prompt：

1、从 data中抽取 memory，prompt: 从提供的文本中推断事实、偏好和记忆。事实、偏好和记忆应该简洁且具有信息性。不要以"这个人喜欢比萨"开始。相反，以"喜欢比萨"开始。

2、与库中的 memory 进行 update，prompt：您是合并、更新和组织记忆的专家。当提供现有记忆和新信息时，您的任务是合并和更新记忆列表，以反映最准确和最新的信息。您还为每项现有记忆提供了与新信息的匹配分数。确保利用这些信息做出明智的决策，决定更新或合并哪些记忆;

3、直接向量搜索，进行 memory-item 检索;

4、有点像RAG的命题检索：Dense X Retrieval：What RetrievalGranularity Should We Use?

结语

技术上没有太大新意，很多人已经这么用了。创意上也没有新意，对于它能火起来，有点不懂，没看出是怎么超越RAG的？！不过感谢Mem0的开源。

BuluAI是一个创新型的算力云平台，算力使用灵活，可为开发者提供强大计算资源和全面支持。帮助BuluAI的使用者能够更专注于技术、应用的研究和优化。产品预计9月份正式公测上线，敬请期待！

现可报名参与内测，内侧入口：BuluAI