MemOS 产品更新|支撑全量获取用户记忆,记忆治理与对话体验晋升
在过去的版本中,MemOS 已经帮助开发者解决了大模型的长期记忆管理问题。 v2.0.1 版本里,我们聚焦开发者实际应用场景,针对五项核心功能完成升级,进一步补全了 MemOS 在跨会话场景下的记忆管理能力和对话能力。...
应用介绍
如今可以直接经由过程接口控制检索成果的反复策略,避免了可能出现同一事实的多种表述反复返回,及在统计或展示时须要额外处理反复数据的情况,进一步晋升检索成果信息量和可用性。

v2.0.1 版本里,我们聚焦开辟者实际应用处景,针对五项核心功能完成进级,进一步补全了 MemOS 在跨会话场景下的记忆治理才能和对话才能。
核心功能亮点
- 支撑全量获取用户记忆;
- 对话功能实现“记忆持久”;
- Playground 支撑手动删除过时记忆;
- 删除记忆接口优化与反馈机制进级,进步开辟者分析与控制才能;
- Search 接口去重功能。
本次宣布汇总
在以前的版本中,MemOS 已经赞助开辟者解决了大年夜模型的经久记忆治理问题。

一、全量获取记忆:开辟者的“用户记忆快照”
在之前版本中,获取记忆平日须要分批或指定 query 才能返回成果,无法快速全量浏览某个用户的汗青信息。
本次更新,我们宣布了 get/memory 接口,支撑开辟者按时光倒序分页获取用户的所有事实记忆和偏好记忆。无需供给 query,开辟者可以一键在应用前台展示用户所有记忆。
功能概述: get/memory 接口支撑获取用户所有记忆,包含事实记忆与偏好记忆。
云办事示例
import osimport requestsimport json# 调换成你的 API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = https://www.oschina.net/news/{"user_id": "memos_user_123", "page": 2, # 可选,默认值为1 "size": 3, # 可选,默认值为10 "include_preference": "true"# 可选,默认值为true }headers = {"Content-Type": "application/json","Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/get/memory"res = requests.post(url=url, headers=headers, data=https://www.oschina.net/news/json.dumps(data))"result: {res.json()}")
开源版本示例
curl --location --request POST 'http://0.0.0.0:8001/product/get_memory' \\--header 'Content-Type: application/json' \\--data-raw '{ "user_id": "test_1", "mem_cube_id": "test_1", "include_preference": "true", "page":2, "page_size":3}'
二、云办事 Chat 接口宣布:对话功能实现“记忆持久”
此次更新的 chat 接口将汗青记忆主动纳入对话生成流程,体系会先检索与当前 query 相干的记忆,再结合会话高低文生成答复,并将对话成果返回开辟者。
无需手动保护高低文,即可构建多轮、记忆驱动的对话体验,让 AI 应用加倍天然、持续。
交互流程:
- 假如存在用户汗青消息,可先调用
add/message写入 MemOS。 - 用户发送消息时,AI 应用调用 chat 接口。
- MemOS 处理流程:
- 召回用户相干汗青记忆
- 拼接自定义指令、当前会话高低文与召回的记忆生成完全 Prompt
- 调用大年夜模型生成答复
- AI 应用返回成果给终端用户。
功能概述: chat 接口上线,实现与用户的“记忆持久对话”,体系主动召回相干汗青记忆并生成答复。
调用示例
import osimport requestsimport json# 调换成你的 API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = https://www.oschina.net/news/{"user_id": "memos_user_123","conversation_id": "memos_chat_conv","query": "你好,给我推荐美食。"}headers = {"Content-Type": "application/json","Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/chat"res = requests.post(url=url, headers=headers, data=https://www.oschina.net/news/json.dumps(data))"result: {res.json()}")
三、删除记忆优化与反馈机制进级
为了进步接口调用效力和偏好记忆的调剂才能,本次更新对 delete/memory 和 feedback 接口进行了优化:
- delete/memory 接口优化,可删除所有类型记忆,无需指定用户。
- feedback 接口支撑偏好记忆更新,用户反馈可直接修改偏好记忆。
开辟者如今可以在多用户场景下,更高效地治理记忆,并在分析和调试中获得更清楚的数据表示。
3.1 删除记忆
功能概述: delete/memory 接口优化,无需指定用户,支撑删除所有类型记忆(用户记忆、常识库记忆等)。
云办事示例
import osimport requestsimport json# 调换成你的 API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = https://www.oschina.net/news/{"memory_ids": ["6b23b583-f4c4-4a8f-b345-58d0c48fea04"] # 调换为真实的记忆 ID}headers = {"Content-Type": "application/json","Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/delete/memory"res = requests.post(url=url, headers=headers, data=https://www.oschina.net/news/json.dumps(data))"result: {res.json()}")
3.2 反馈修改(add\_feedback)
功能概述: feedback 接口支撑偏好记忆修改,体系会根据用户反馈文本同步更新偏好记忆,无需额外参数。
云办事示例

import osimport requestsimport json# 调换成你的 MemOS API Keyos.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"data = https://www.oschina.net/news/{"user_id": "memos_user_123", "conversation_id": "0108", "feedback_content": "错啦,实际上我爱好的是山竹", "feedback_time": "2025-12-02 10:10:10", "allow_knowledgebase_ids": [ "basebXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX" ] }headers = {"Content-Type": "application/json","Authorization": f"Token {os.environ['MEMOS_API_KEY']}"}url = f"{os.environ['MEMOS_BASE_URL']}/add/feedback"res = requests.post(url=url, headers=headers, data=https://www.oschina.net/news/json.dumps(data))>
开源项目示例
curl --location --request POST 'http://0.0.0.0:8001/product/feedback' \\--header 'Content-Type: application/json' \\--data-raw '{ "user_id": "memos_user_123", "writable_cube_ids": [ "demo_cube_001" ], "history": [ {"role": "user", "content": "我爱好什么生果,不爱好什么生果"}, {"role": "assistant", "content": "你爱好苹果,不爱好喷鼻蕉"} ], "feedback_content": "错了,实际上我爱好的是山竹"}'
四、Playground 记忆治理页:可视化控制
在之前版本中,Playground 的删除操作仍需调用接口。
v2.0.1 在 Playground 中新增了 手动删除过时记忆功能,用户可直接在页面中治理不再须要的记忆,实现快速调试或演示。 
v2.0.1 对 search 接口新增了 dedup 参数,支撑语义去重,削减反复检索成果。
如今,开辟者可以或许更直不雅地操作和验证记忆行动,进一步削减了反复调用接口的操作成本。
五、Search 接口去重:成果更精准

开源项目示例
import jsonimport requestsBASE_URL = "http://127.0.0.1:8001"headers = {"Content-Type": "application/json"}data = https://www.oschina.net/news/{"user_id": "memos_user_123","query": "我爱好吃什么?","top_k": 10,"dedup": "sim"}res = requests.post(url=f"{BASE_URL}/product/search", headers=headers, data=https://www.oschina.net/news/json.dumps(data))>
六、开源社区更新
- get/memory 支撑全量与分页检索;
- delete/memory 与 add/feedback 对象可在 MCP 中调用;
- Search 接口增长 dedup 去重策略;
- 修复调剂 local 模式缺乏 redis 设备报错;
- 修复 kv_cache 新版兼容问题;
- 批量 add 机能优化与更精细检索才能。
✨ 惯例子!
🚀 一键体验云平台
急速进入 MemOS 云平台,体验毫秒级记忆与偏好召回才能。
memos-dashboard.openmem.net/quickstart/?entrance=wechat
💾 假如你爱好我们的工作,请一键三连:
⭐️ Star 🍴 Fork 👀 Watch
并迎接经由过程 Issue 提交你的应用反馈、优化建议或 Bug 申报。
github.com/MemTensor/MemOS/issues
关于 MemOS
MemOS 为 AI 应用构建同一的记忆治理平台,让智能体系如大年夜脑般拥有灵活、可迁徙、可共享的经久记忆和即时记忆。
作为记忆张量初次提出“记忆调剂”架构的 AI 记忆操作体系,我们欲望经由过程 MemOS 周全重构模型记忆资本的生命周期治理,为智能体系供给高效且灵活的记忆治理才能。
©软件著作权归作者所有。本站所有软件均来源于网络,仅供学习使用,请支持正版!
转载请注明出处: FQPY » MemOS 产品更新|支撑全量获取用户记忆,记忆治理与对话体验晋升

发表评论 取消回复