混合记忆：向量 + 图 + KV（Mem0）

Mem0（Chhikara等人，2025）将记忆视为三个并行存储——向量用于语义相似性，KV用于快速事实查找，图用于实体关系推理。一个评分层在检索时融合三者。这是2026年外部记忆的生产标准。

类型： 构建 语言： Python (stdlib) 前置条件： Phase 14 · 07 (MemGPT), Phase 14 · 08 (Letta块) 时间： ~75分钟

学习目标

• 解释为什么单一存储（仅向量、仅图、仅KV）对Agent记忆不够。
• 说出Mem0的三个并行存储以及各自优化的目标。
• 描述Mem0的融合评分——相关性、重要性、时效性——以及为什么它是加权和而非层级。
• 在stdlib中实现玩具三存储记忆，带add()写入所有三个和search()融合结果。

问题所在

单一存储对三类查询中的一类是错误的：

• 语义相似性 — “我们上周讨论了什么关于Agent漂移的？” 向量胜出；KV和图遗漏。
• 事实查找 — “用户的电话号码是什么？” KV胜出；向量浪费，图过度。
• 关系推理 — “哪些客户共享同一计费实体？” 图胜出；向量和KV无法回答。

生产Agent在一个会话中发出所有三类查询。单存储记忆总是对其中两类是错误的。Mem0的贡献是在单一add/search面后连接所有三个，并用评分函数融合它们。

核心概念

三个并行存储

Mem0（arXiv:2504.19413，2025年4月）在add(text, user_id, metadata)上：

1. 从文本中提取候选事实（LLM驱动的步骤）。
2. 将每个事实写入向量存储（嵌入）用于语义搜索。
3. 将每个事实写入KV存储，键为(user_id, fact_type, entity)用于O(1)查找。
4. 将每个事实写入图存储（Mem0g）作为类型化边用于关系查询。

在search(query, user_id)上：

1. 向量存储按嵌入余弦返回top-k。
2. KV存储按查询派生的(user_id, type, entity)键返回直接命中。
3. 图存储返回从查询实体可达的子图。
4. 评分层融合三者。

融合评分

score = w_relevance * relevance(q, record)
      + w_importance * importance(record)
      + w_recency * recency(record)

• 相关性 — 向量余弦、KV精确匹配、图路径权重。
• 重要性 — 写入时标记或学习（某些事实更重要：姓名、ID、策略）。
• 时效性 — 自上次写入或读取以来的指数衰减。

权重按产品调整。聊天Agent更高的w_recency；合规Agent更高的w_importance；检索Agent更高的w_relevance。

Mem0g和时间推理

Mem0g添加了冲突检测器。当新事实与现有边矛盾时，现有边被标记为无效但不删除。时间查询（“用户3月份的城市是什么？“）遍历时间有效子图。

这是Letta失效模式泛化的合规级行为。

基准数据

Mem0论文报告（2025）：

• LoCoMo（长篇对话记忆）：91.6
• LongMemEval（长时间范围情景记忆）：93.4
• BEAM 1M（1M token记忆基准）：64.1

比较基线（全上下文128k LLM、扁平向量存储、扁平KV）都落后10+分。仅凭基准不能证明选择——运营形态才能——但数字表明融合设计不是四舍五入误差。

范围分类

Mem0按范围拆分记忆：

• 用户记忆 — 跨会话持久化，以user_id为键。
• 会话记忆 — 在一个线程内持久化。
• Agent记忆 — 每Agent实例状态。

每次写入选择一个范围。检索可以跨范围查询，带每范围权重。不加思考地混合范围是产生”助手把Bob的项目告诉了Alice”事件的方式。

这个模式哪里会出错

• 嵌入漂移。 在前一百次查询上看起来正确的向量结果随语料库增长而退化。添加定期重新嵌入最常用的N条记录。
• KV Schema蔓延。 (user_id, type, entity)看起来简单，直到每个团队添加自己的type。每季度审计类型集。
• 图爆炸。 一个嘈杂的提取器每条消息添加50条边。限制每次add调用的图写入；丢弃低置信度边。

构建它

code/main.py在stdlib中实现三存储模式：

• VectorStore — 朴素token重叠相似性作为嵌入替代。
• KVStore — 以(user_id, fact_type, entity)为键的字典。
• GraphStore — 类型化边(subject, relation, object, valid)。
• Mem0 — 顶层门面，带add()、search()、融合评分和范围感知检索。
• 一个多用户、多会话对话的工作跟踪。

运行：

python3 code/main.py

输出显示三条独立的召回路径加上融合的top-k。翻转main()顶部的评分权重，观察排名变化。

使用它

• Mem0（Apache 2.0） — 生产就绪。用Postgres + Qdrant + Neo4j自托管，或使用托管云。
• Letta — 三层core/recall/archival；自带向量和图后端。
• Zep — 带时间KG和事实提取的商业替代品。
• 自定义构建 — 当你需要精确控制提取器（合规）或融合权重（时效性主导的语音Agent）时。

发布它

outputs/skill-hybrid-memory.md生成带融合评分器、范围分类和时间失效连接的三存储记忆脚手架。

练习

1. 用真实嵌入模型（sentence-transformers、Ollama、OpenAI embeddings）替换玩具向量相似性。在合成长对话上测量recall@10。排名在1000次写入后会漂移吗？
2. 添加时间查询：search(query, as_of=timestamp)。只返回该时间或之前有效的记录。哪个存储需要最多工作？
3. 实现冲突检测器：如果传入事实与图边矛盾，使旧边失效并记录两者。在”用户住在柏林” -> “用户住在里斯本”上测试。
4. 将融合评分器移植为包含user_feedback维度（对检索记录的点赞）。你如何防止博弈（Agent只返回它已经喜欢的记录）？
5. 阅读Mem0文档（docs.mem0.ai）。将玩具移植为mem0客户端调用。在相同的20个测试查询上比较检索质量。

关键术语

延伸阅读

• Chhikara等人, Mem0 (arXiv:2504.19413) — 原始论文
• Mem0文档 — 生产API、SDK、托管云
• Packer等人, MemGPT (arXiv:2310.08560) — 虚拟上下文前身
• Letta, Memory Blocks博客 — 三层兄弟设计