El agente cambia de sesión y vuelve a preguntar «¿Quién soy?, ¿cuál es mi idioma predeterminado? y «no uses emojis»... No es que el modelo sea tonto, es que...No hay ninguna capa de memoria a largo plazo en la que se pueda realizar una búsqueda. Poner mem0ai/mem0 Una vez recibido el bucle de diálogo, la función entre sesiones por fin puede empezar por buscar Recrearlo, en lugar de volver a explicar el personaje cada vez. Voy a empezar por la conclusión:Prueba real de mem0: tras dotar al agente de memoria a largo plazo, por fin ya no es necesario volver a explicar el personaje en cada sesión.. Este artículo esEstructura de polimerización: Posicionamiento, ficha del proyecto, adecuado/no adecuado, ruta mínima de instalación, al menos dos casos de uso, breve lista de ventajas e inconvenientes, y cuándo pasar a consultar Zep o crear una tabla vectorial propia. La versión y los comandos de instalación se basarán en la documentación oficial vigente el día de tu visita.

Enfoque: ¿Qué resuelve y qué no resuelve la memoria a largo plazo?
mem0 se enmarca en la línea de «dotar a las aplicaciones de IA de una memoria duradera y evolutiva»: ofrece tanto una plataforma como una opción de código abierto que se puede alojar de forma autónoma. Lo primero que realmente me ha resultado útil no es que se trate de otra encapsulación de una base de datos vectorial, sino queExtraer de los registros de chat las «preferencias expresadas por los usuarios» para convertirlas en un registro consultable, y recuperarla de forma automática al inicio de una nueva sesión.
Indicado para:Asistente multiconversación; agente que deba recordar perfiles de personajes, preferencias y el contexto de los proyectos; estás dispuesto a utilizar un modelo de lenguaje grande (LLM) + embedder + backend de vectores; aceptas que la extracción de la memoria también consuma llamadas al modelo.
No apto para:Scripts de ejecución única y sin estado; confundir la capa de memoria con un sistema de permisos o la única fuente de verdad: la memoria puede fallar y caducar, por lo que sigue siendo necesario sobrescribirla y borrarla; nadie quiere encargarse de las claves, el backend ni del proceso de corrección de errores de la «memoria errónea».
读 docs.mem0.ai Cuando consulto el archivo README de GitHub, lo primero que miro es: «Quickstart», «Añadir/buscar memoria», «Dependencias de código abierto autoalojadas» y «Ejemplos de integración con marcos de agente habituales». La distinción entre «Cloud» y «self-host» se rige por lo que se indique en la documentación el día de su publicación; este artículo no fija el número de subversión.
En comparación con «introducir todo el historial de chat en el contexto», la capa de memoria supone un coste adicional de extracción y recuperación, pero a cambio permite: eliminar preferencias erróneas concretas, aislarlas por usuario e introducir solo los fragmentos relevantes en una nueva sesión. Por muy grande que sea la ventana de contexto, eso no equivale a una memoria a largo plazo gestionable.
Además, suelo plantear deliberadamente una pregunta sobre el producto: «¿Qué datos se permite que el modelo “recuerde”?». Si no se me ocurre una lista blanca, por el momento solo permito el acceso a la clase «preference» y desactivo la extracción automática del cuerpo de los tickets; prefiero que se recuerden menos datos a que se recuerden datos erróneos que luego no se puedan explicar.

Actividades que se pueden realizar esta noche:Enumera las tres quejas de los usuarios que más te molestan y que empiezan con «Hay que volver a explicarlo» (lenguaje, tono, nombre del proyecto). Estas tres frases serán las frases de verificación de la tasa de aciertos de la búsqueda de la primera semana; anótalas en el memorándum.
Ficha del proyecto
| 项 | Contenido |
|---|---|
| Almacén | https://github.com/mem0ai/mem0 |
| Documentación | https://docs.mem0.ai/ |
| Morfología | SDK de código abierto / Autohospedado + plataforma opcional; clientes como Python, entre otros |
| Autorización | Se aplicará la licencia del repositorio (compruébalo antes de la instalación) |
| Adecuado para | Escritura y recuperación de perfiles de usuario, preferencias y datos a largo plazo entre sesiones |
| No es adecuado | Procesamiento por lotes sin estado; la memoria como permiso / La verdad sobre la facturación |

Además de las tarjetas, también preguntaré: ¿se almacenan en la memoria números de teléfono, direcciones o números de incidencias internas? Si es así, primero hay que definir la desidentificación y el periodo de conservación, y después habilitar la importación completa. El acceso para que los usuarios puedan eliminar o corregir sus datos debe diseñarse durante la primera semana; no hay que esperar a que lleguen las quejas para revisar la base de datos.
La frase «La licencia se rige por el repositorio» que aparece en la ficha del proyecto no es una simple frase hecha: antes del lanzamiento, dedica cinco minutos a consultar el archivo LICENSE y las instrucciones sobre el flujo de datos de la documentación para confirmar si los datos salen del dominio en caso de autoalojamiento. Los problemas de cumplimiento normativo suponen un motivo de rechazo inmediato, incluso antes que la precisión de la búsqueda.
Si ya dispones de una tabla de perfiles de usuario, no la dupliques sin pensar. Empieza por trazar un diagrama de «fuentes de referencia»: ¿quién tiene la última palabra entre la tabla de perfiles, mem0 y el resumen de la conversación? En caso de conflicto, ¿a quién hay que dar prioridad? Si las fuentes de referencia no quedan claras, la capa de memoria solo creará una segunda versión de la realidad.
Actividades que se pueden realizar esta noche:Hay que acordar una cosa en el equipo: si utilizamos Platform o una solución de código abierto autohospedada. Si no nos ponemos de acuerdo, empezaremos por seguir la guía oficial de Python Quickstart en un proyecto local vacío para comprobar que funciona, y dejaremos la gestión y el mantenimiento del autohospedaje para la segunda semana.
Casos de uso: perfiles de usuario entre sesiones, búsqueda de preferencias
Ejemplo 1: No es necesario repetir la descripción del personaje entre sesiones.En la conversación A, el usuario especifica: «Chino simplificado por defecto, sin emojis, nombre de usuario como firma». Antes de responder, envía este fragmento de conversación a la función add de mem0 (el nombre concreto de la API se rige por la documentación de ese día) y añade user_id. Al iniciar una sesión B en frío, primero se busca «preferencias de lenguaje y tono» y se incorporan los resultados de la memoria al contexto del sistema para regenerarlo. Verificación: en las tres primeras rondas de una nueva sesión del mismo usuario, no se volverán a preguntar las preferencias de lenguaje o expresión; solo si la búsqueda da resultado nulo, se permitirá una única aclaración.
Caso de uso n.º 2: Búsqueda de preferencias de proyectos.El usuario ha dicho en diferentes ocasiones que «este repositorio ejecuta pytest por defecto» y que «las notas de la versión deben estar en chino». Anota este tipo de preferencias en una memoria consultable, en lugar de incluirlas en un resumen de longitud ilimitada. Verificación: al iniciar deliberadamente una nueva sesión y preguntar «¿Cuál es nuestro comando de prueba?», el asistente debería poder responder basándose en la memoria y señalar «Según tus preferencias anteriores»; si la memoria no lo recuerda, debe indicar claramente que no lo sabe, en lugar de inventarse un comando.
Caso de uso n.º 3 (puntos extra opcionales):Corrección de errores en la memoria. El usuario dice: «El nombre de código que se mencionó la última vez ya no es válido». Debes disponer de rutas de actualización y eliminación (sigue las instrucciones del documento tal y como están redactadas) e incluir una comprobación: tras la corrección, la búsqueda no debe volver a mostrar el nombre de código antiguo en la primera posición.
La frase de aceptación común a ambos casos de uso es: «¿Sigue preguntando la primera ronda de la nueva sesión por las preferencias fijas que ya se han respondido?». Si sigue preguntando, significa que aún no se ha completado. Si ya no pregunta pero las preferencias están mal respondidas, se trata de una «contaminación», cuya prioridad es mayor que la de «registrar un poco más».
Actividades que se pueden realizar esta noche:Realiza únicamente la prueba de funcionamiento del caso de uso 1: añade una preferencia, realiza una búsqueda en el nuevo proceso e imprime el texto encontrado. Si no se imprime, no aceptes tráfico de negocio por el momento.
Resumen de ventajas e inconvenientes: ¿Cuándo cambiar a Zep? / Tabla de vectores personalizada

| Preparación | ¿Cuándo voy a cambiarme a él / y empezar a utilizarlo? |
|---|---|
| mem0 | Necesito un flujo de trabajo listo para usar de extracción de memoria + añadir/buscar, para dotar al agente de memoria a largo plazo lo antes posible. |
| Zep y otras capas de memoria/sesión | Ya forma parte del ecosistema correspondiente, o es necesario que sus capacidades relacionadas con sesiones o grafos se alineen con la pila existente. |
| Crear una tabla de vectores | La estructura de memoria es muy sencilla: debes controlar por completo el esquema y la extracción de palabras clave, y hay alguien encargado de su mantenimiento. |
| Basándose únicamente en un contexto muy amplio | Las sesiones son muy escasas y se acepta el historial de reenvíos por sesión, aunque hay que tener en cuenta que los costes y el ruido aumentarán. |
Ventajas:Es de código abierto y se puede seguir; la documentación incluye una guía de inicio rápido en Python; el modelo de memoria y de ID de sesión es fácil de usar para los agentes.
Desventajas:Extraer modelos y indicaciones dependientes de la calidad; los recuerdos erróneos pueden contaminar los datos posteriores; la autogestión debe controlar los vectores y las claves; no sustituye al conjunto de evaluación ni al control de acceso.
¿Cuándo debo cambiar a Zep o utilizarlo de forma conjunta? Cuando el equipo ya utilice Zep como bus de memoria principal, o cuando se necesiten sus capacidades específicas para sesiones, no es necesario forzar la escritura doble. Cuándo crear una tabla de vectores propia: cuando haya muy pocos tipos de memoria (por ejemplo, si solo se almacenan valores de clave «preference») y tengas que escribir tú mismo el código para la extracción y la resolución de conflictos. El criterio de selección sigue siendo: ¿puede una nueva sesión recuperar la configuración clave del personaje en una sola búsqueda, en lugar de tener que volver a preguntar?
En la tabla resumida, la línea que dice «solo con un contexto muy extenso» resulta muy tentadora: se ahorra un componente. El precio a pagar son los costes, el retraso y la imposibilidad de eliminar datos de forma selectiva. Si el ciclo de vida de tu producto supera una sesión de una semana, casi siempre recomiendo una capa de memoria explícita, aunque durante la primera semana solo se utilicen las funciones mínimas de añadir y buscar.
Actividades que se pueden realizar esta noche:Utiliza la tabla anterior para marcar una «capa de memoria principal»; mientras la capa principal no haya echado humo, no abras tres productos de memoria a la vez para «probarlos todos»: la escritura doble provocaría la división de la ruta de corrección.
Instalación y primera ejecución (se puede hacer esta misma noche)

Según la guía oficial de inicio rápido de Python, el proceso más sencillo suele ser: instalar el SDK → configurar el LLM/embedder (y el backend de vectores) → Memoria Ejemplo → añadir Una línea → buscar Retroceder. A continuación se muestra un esquema del esqueleto,El nombre del paquete, las variables de entorno y el nombre de la clase se basarán en la fecha en que abras el documento.::
# pip install mem0ai # Sigue las instrucciones de la guía de inicio rápido oficial
# Configura OPENAI_API_KEY u otra clave de proveedor que se indique en la documentación
from mem0 import Memory # La ruta de importación debe seguir la indicada en la documentación vigente
m = Memory() # o Memory.from_config({...})
# Sesión A: escritura
m.add(
"Preferencias del usuario: chino simplificado por defecto, sin emojis, firma con apodo",
user_id="user_demo_001",
)
# Sesión B: búsqueda
hits = m.search("Preferencias de lenguaje y tono", user_id="user_demo_001")
print(hits) # Deberían verse las entradas de memoria relacionadas con las preferencias
Puntos de inspección:Añadir con éxito → Nuevo proceso de búsqueda con resultado → Cambiar el user_id para aislar → Anotar los comandos de eliminación/sobrescritura. Si algún paso no coincide, detén el proceso y no aceptes tráfico de producción por el momento. Para la autohospedación, sigue la documentación oficial de implementación de código abierto y ten en cuenta los costes de la biblioteca de vectores y del embedder.
Cuando sale humo, siempre uso el mismo user_id Prefijos, por ejemplo: smoke_1102_, borrar al finalizar la ejecución. Evitar que la memoria de la demostración contamine la biblioteca de desarrollo compartida. Incluir el comando de eliminación en el mismo runbook, junto con el ejemplo de «add».
Si Quickstart utiliza la nube de forma predeterminada y tú debes optar por el autoalojamiento: primero, instala las dependencias mínimas tal y como indica la documentación; después, ya se hablará de la alta disponibilidad. El objetivo de la primera semana es lograr una «preferencia estable que se pueda eliminar y consultar», no una «plataforma central de memoria». Si el alcance es demasiado amplio, la semana de integración se convertirá en una semana de operaciones y mantenimiento.
Actividades que se pueden realizar esta noche:Una vez finalizada la prueba de funcionamiento, introduce el nombre de la clave de configuración en .env.example(sin incluir la clave real) y anota en el runbook: «Cómo eliminar un registro erróneo por user_id». Si no sabes describir los pasos para eliminarlo, significa que solo te has encargado de la escritura, pero no de la gestión.
Puntos clave de la configuración y resolución de problemas (primera semana)
- Acuerdo sobre user_id / agent_id: escribir primero una página:Si no se mantiene pulsada la tecla de usuario, la memoria puede mostrar números erróneos o buscar siempre en vacío.
- La desensibilización está activada por defecto:Los números de teléfono, direcciones de correo electrónico y números de documento de identidad deben ocultarse antes de añadirlos; cuando se necesite el texto original para la depuración, utilice el interruptor controlado y establezca una fecha de caducidad.
- Etiquetas de tipos de memoria:Coloca «preference», «fact» y «project» por separado o añádelos a los metadatos, para evitar que los «comandos de prueba» y las «palabras prohibidas» se mezclen en la misma clasificación.
- División de tareas con el resumen:Los diálogos muy largos también pueden resumirse en resúmenes breves; las preferencias estables a largo plazo deben guardarse en mem0. No añadas todo el registro sin distinción.
- Prioridad de corrección:Corrección del usuario > Recuerdos del pasado; tras la corrección, redactar un ejemplo de reseña para evitar que se repita el error.
Investigación de accidentes
- Añadir. Búsqueda vacía:Comprueba si el user_id coincide, si el embedder está mal configurado o si se ha introducido una consulta que no tiene nada que ver.
- Número de serie de la memoria:El entorno de pruebas reutiliza el mismo «demo user_id». Prefijos de entornos aislados, por ejemplo:
dev_/prod_. - Una imagen errónea no se puede borrar:No hay funciones de eliminación ni actualización. Primero hay que completar la API de gestión y, después, ya se hablará de que «la memoria se vuelve más inteligente cuanto más se usa».
- Las facturas se disparan:Añadir cada frase y volver a incrustar todo el contenido cada vez. Cambiar a «escribir solo las frases preferidas» + extracción asíncrona, y establecer un límite diario.
- Considerar la memoria como un privilegio:El hecho de que la memoria indique «es administrador» no significa que se haya superado la autenticación. Los permisos siguen rigiéndose por vuestra lista de permitidos.
Para rematar, repasar una vez más: volver a explicar el perfil del usuario en todas las sesiones → continuar con mem0 → add/search: pruebas iniciales → aceptación de casos de uso → decidir entonces si se utiliza Zep o se crea una tabla propia. mem0 ya tiene preparada la estructura de la memoria a largo plazo; lo que tienes que hacer es realizar la prueba de humo esta noche y, durante la primera semana, definir la clave de usuario y la corrección de errores. Si la búsqueda no da con las preferencias, no culpes primero al modelo por tener «mala memoria».


评论列表 (0条):
加载更多评论 Cargando...