当前位置：首页 > news >正文

【大模型记忆-Mem0详解-3】安装和设置

news 2025/9/2 11:55:54

安装选项概述

Mem0 提供了两种不同的部署路径，具有不同的安装要求和设置过程：

在这里插入图片描述

包安装

两个部署路径都使用相同的核心包，但需要不同的配置方法。

Python 安装

pip install mem0ai

JavaScript/TypeScript 安装

npm install mem0ai

该包为平台与开源使用提供了不同的导入路径：

使用类型	Python 导入	JavaScript 导入
平台	from mem0 import MemoryClient	import MemoryClient from ‘mem0ai’
开源	from mem0 import Memory	import { Memory } from ‘mem0ai/oss’

托管平台设置

托管平台只需要一个 API 密钥，并使用 MemoryClient 或 AsyncMemoryClient 类。

API 密钥配置

在 Mem0 平台注册
导航到仪表板中的 API 密钥部分
复制您的 API 密钥

环境设置

import os
from mem0 import MemoryClientos.environ["MEM0_API_KEY"] = "your-api-key"
client = MemoryClient()

import MemoryClient from 'mem0ai';
const client = new MemoryClient({ apiKey: 'your-api-key' });

开源设置

开源部署使用 Memory 类，需要配置 LLM 和嵌入提供程序。

基本内存配置

from mem0 import Memory# Default configuration (uses OpenAI)
m = Memory()# Custom configuration
config = {"llm": {"provider": "anthropic","config": {"model": "claude-sonnet-4-20250514","temperature": 0.1,"max_tokens": 2000,}}
}
m = Memory.from_config(config)

import { Memory } from 'mem0ai/oss';// Default configuration
const memory = new Memory();// Custom configuration
const config = {llm: {provider: 'anthropic',config: {apiKey: process.env.ANTHROPIC_API_KEY || '',model: 'claude-sonnet-4-20250514',temperature: 0.1,maxTokens: 2000,},},
};
const memory = new Memory(config);

提供程序配置架构

在这里插入图片描述

环境变量和 API 密钥

不同的提供程序需要配置特定的环境变量。

按提供程序划分的必需环境变量

供应商	环境变量	描述
开放人工智能	OPENAI_API_KEY	用于 LLM 和嵌入模型
人为的	ANTHROPIC_API_KEY	Claude 模型访问
熟练	GROQ_API_KEY	Groq LPU 推理
AWS 基岩	AWS_REGION、AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY AWS	身份验证
米斯特拉尔	MISTRAL_API_KEY	Mistral AI 模型
一起	TOGETHER_API_KEY	共同 AI 模型

通用环境设置

import os# For open source with OpenAI (most common)
os.environ["OPENAI_API_KEY"] = "your-openai-key"# For anthropic LLM + OpenAI embeddings
os.environ["OPENAI_API_KEY"] = "your-openai-key"  # for embeddings
os.environ["ANTHROPIC_API_KEY"] = "your-anthropic-key"  # for LLM# For AWS Bedrock
os.environ["AWS_REGION"] = "us-west-2"
os.environ["AWS_ACCESS_KEY_ID"] = "your-access-key"
os.environ["AWS_SECRET_ACCESS_KEY"] = "your-secret-key"

配置示例

Anthropic Claude 与 OpenAI 嵌入

config = {"llm": {"provider": "anthropic","config": {"model": "claude-sonnet-4-20250514","temperature": 0.1,"max_tokens": 2000,}}# embeddings default to OpenAI if OPENAI_API_KEY is set
}

使用 Ollama 进行本地设置

config = {"llm": {"provider": "ollama","config": {"model": "mixtral:8x7b","temperature": 0.1,"max_tokens": 2000,}}
}

AWS 基岩配置

config = {"llm": {"provider": "aws_bedrock","config": {"model": "anthropic.claude-3-5-haiku-20241022-v1:0","temperature": 0.2,"max_tokens": 2000,}}
}

安装验证

平台验证

使用简单的内存作测试平台连接：

from mem0 import MemoryClient
import osos.environ["MEM0_API_KEY"] = "your-api-key"
client = MemoryClient()# Test adding a memory
messages = [{"role": "user", "content": "I like coffee in the morning"},{"role": "assistant", "content": "I'll remember your coffee preference"}
]
result = client.add(messages, user_id="test_user")
print("Platform connection successful:", result)

开源验证

使用基本内存作测试开源设置：


from mem0 import Memory
import osos.environ["OPENAI_API_KEY"] = "your-openai-key"
m = Memory()# Test adding a memory
messages = [{"role": "user", "content": "I like coffee in the morning"}
]
result = m.add(messages, user_id="test_user")
print("Open source setup successful:", result)# Test searching memories
search_result = m.search("coffee preferences", user_id="test_user")
print("Search results:", search_result)

TypeScript/JavaScript 设置

JavaScript SDK 遵循类似的模式，用于基于 promise 的异步作：

平台设置

import MemoryClient from 'mem0ai';const client = new MemoryClient({ apiKey: 'your-api-key' });const messages = [{"role": "user", "content": "I like coffee in the morning"},{"role": "assistant", "content": "I'll remember that"}
];client.add(messages, { user_id: "test_user" }).then(response => console.log(response)).catch(error => console.error(error));

开源设置

import { Memory } from 'mem0ai/oss';const memory = new Memory();const messages = [{role: "user", content: "I like coffee in the morning"}
];const result = await memory.add(messages, { userId: "test_user", metadata: { category: "preferences" } 
});