Mem0

Mem0 是给 AI 智能体与应用用的记忆层，官网标题写着「AI Memory Layer for your Agents & Apps | Persistent Context」，首页定位是「Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.」它解决的是智能体聊完就忘的问题：把历史交互里的有效事实抽出来存下，下次按用户身份检索回来，让体验具备连续性。

核心能力

• 三段式工作流：官网把流程写成 Add、Learn、Retrieve——写入对话、学习与提炼、检索复用。
• Memory Compression Engine：官网列出的核心组件是记忆压缩引擎，用于控制长期记忆的规模与噪声。
• SDK 集成：官方示例给出 Python 与 Node.js 用法，通过 MemoryClient 调 add 与 search，检索时可按 user_id 等字段过滤。
• 领域适配：官网列出多个示例场景，包括医疗侧的智能患者照护助手、慢病陪伴、治疗进展跟踪与自适应学习导师，以及销售侧的带持久上下文的销售助理。
• 企业级控制：官网在 Built for enterprise 部分强调 Governance、Portable、Auditable。
• 评测与高级能力：官网发布 DolphinBench 记忆基准；Pro 及以上提供高级分析、graph memory（实体链接）与 Dream（记忆整合）。

适合谁

• 要做长期记忆的智能体开发者，让助手记住用户偏好而不是每次重新问一遍。
• 做陪伴、健康、教育这类需要跨会话连续性的产品团队。
• 有合规要求的团队，需要审计、权限与私有化部署，官网 Enterprise 档提供 on-prem、审计日志与 SSO。
• 想量化记忆效果的团队，可参考官网的基准与方法说明。

使用建议

• 官方定价：Hobby 免费（每月 10,000 次 add、1,000 次 retrieval、1 个项目），Starter $19/月（5 万次 add、5 千次 retrieval），Pro $249/月（50 万次 add、5 万次 retrieval、无限项目），Enterprise 为定制档。
• 记忆是长期资产，务必用稳定且唯一的 user_id 存储，官方示例也强调写入与检索要使用同一个用户标识。
• 记忆一旦写进去就代表「以后都会被翻出来」，把敏感信息、临时数据清理掉或设置合理的更新策略，别无条件全量记忆。
• 免费档的调用量适合验证效果，正式上线前按预估会话量估算档位；官网的基准与套餐细节可能更新，选型前再核一次。