mem1 0.0.1

基于云服务的用户记忆系统

mem1 - 用户记忆系统

让 AI 真正"记住"用户：三层记忆架构 + 图片记忆 + 业务场景解耦。

为什么需要 mem1？

LLM 本身无状态，每次对话都是"失忆"的。mem1 让 AI 助手能够：

• 记住用户是谁（身份、背景）
• 记住用户喜欢什么（偏好、习惯）
• 记住用户说过什么（历史对话、图片）
• 记住用户的反馈（表扬、批评）

核心特性

• 三层记忆架构：短期会话 → 用户画像 → 长期记录，参考 ChatGPT Memory 设计
• 图片记忆：支持存储和语义搜索用户发送的图片
• 业务解耦：通过 ProfileTemplate 适配不同场景（舆情、电商、医疗等）
• 智能检索：LLM 判断是否需要回溯历史，节省 token
• 画像自动更新：基于对话轮数/时间自动触发 LLM 更新用户画像

三层记忆架构

┌─────────────────────────────────────────────────────────────┐
│  Tier 1: 短期记忆 (LangChain 管理)                           │
│  - 当前会话 messages，会话结束即清空                          │
└─────────────────────────────────────────────────────────────┘
                              ↓ 会话结束时保存
┌─────────────────────────────────────────────────────────────┐
│  Tier 2: 用户画像 (ES: mem1_user_profile)                    │
│  - LLM 从历史对话中提炼的结构化信息                           │
│  - 基本信息、偏好习惯、重要事项、用户反馈                      │
└─────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────┐
│  Tier 3: 长期记忆 (ES: conversation_history)                 │
│  - 原始对话记录（带时间戳、元数据、图片）                      │
│  - 按需加载，避免 token 浪费                                  │
└─────────────────────────────────────────────────────────────┘

安装

pip install mem1

或开发模式：

pip install -e .

快速开始

import os
from mem1 import Mem1Memory, Mem1Config, LLMConfig

config = Mem1Config(
    llm=LLMConfig(
        model="deepseek-chat",
        api_key=os.getenv("DEEPSEEK_API_KEY"),
        base_url="https://api.deepseek.com"
    )
)

memory = Mem1Memory(config)

# 添加对话
memory.add_conversation(
    user_id="user001",
    messages=[
        {"role": "user", "content": "你好，我是张明"},
        {"role": "assistant", "content": "你好张明！"}
    ],
    metadata={"topic": "自我介绍"}
)

# 获取上下文（含用户画像）
ctx = memory.get_context(user_id="user001", query="帮我写报告")
print(ctx['import_content'])  # 用户画像
print(ctx['current_time'])    # 当前时间

# 更新画像
memory.update_profile(user_id="user001")

配置

通过 .env 文件或环境变量：

# ES 配置
MEM1_ES_HOSTS=http://localhost:9200
MEM1_ES_INDEX=conversation_history

# 记忆配置
MEM1_IMAGES_DIR=./memories/images
MEM1_AUTO_UPDATE_PROFILE=true
MEM1_MAX_PROFILE_CHARS=3000
MEM1_UPDATE_INTERVAL_ROUNDS=5
MEM1_UPDATE_INTERVAL_MINUTES=3

ES 索引

索引	用途
conversation_history	对话记录
mem1_user_state	用户状态（更新轮数、时间）
mem1_user_profile	用户画像

核心接口

# 添加对话（支持图片、元数据）
memory.add_conversation(
    user_id="user001",
    messages=[...],
    images=[{"filename": "截图.png", "path": "./test.png"}],
    metadata={"topic": "舆情分析"}
)

# 获取上下文
ctx = memory.get_context(user_id="user001", query="问题")

# 查询对话（支持时间、元数据过滤）
convs = memory.get_conversations(
    user_id="user001",
    days_limit=7,
    metadata_filter={"topic": "用户反馈"}
)

# 搜索图片
results = memory.search_images(user_id="user001", query="麻花")

# 删除用户
memory.delete_user(user_id="user001")

LangChain 集成

from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage

# 获取用户画像
ctx = memory.get_context(user_id="user001", query="")

# 注入到 system prompt
system_prompt = f"""当前时间：{ctx['current_time']}

## 用户画像
{ctx['import_content']}
"""

llm = ChatOpenAI(model="deepseek-chat", ...)
messages = [SystemMessage(content=system_prompt)]
messages.append(HumanMessage(content="帮我写报告"))
response = llm.invoke(messages)

# 保存对话
memory.add_conversation(
    user_id="user001",
    messages=[
        {"role": "user", "content": "帮我写报告"},
        {"role": "assistant", "content": response.content}
    ]
)

示例

见 examples/ 目录：

• basic_usage.py - 基础用法
• langchain_integration.py - LangChain 集成
• batch_import.py - 批量导入
• image_usage.py - 图片功能

参考资料

• Reverse Engineering Latest ChatGPT Memory Feature
• How ChatGPT's Memory Actually Works

License

MIT