memU 智能体记忆系统体系化教程

memU 体系化教程

从零理解 AI 智能体记忆管理原理，并用 memU 完成「原始数据 → 结构化记忆 → 分层检索 → 智能体注入」全流程。

配套库：memU（NevaMind-AI 开源，PyPI 包名 memu-py）

阅读顺序

适合谁读

• 正在构建带「长期记忆」的聊天机器人或 AI 助手的开发者。
• 需要把对话、文档、工具日志统一沉淀为可检索上下文的智能体工程师。
• 想搞懂 memU 在算什么、和 mem0 / 传统 RAG 有何不同、怎么落地的读者。

学习心法

先建立「写入 → 组织 → 分层读取」的心智模型，再调 API。 智能体记忆不是把聊天记录塞进向量库——不理解 Resource / Item / Category 三层，检索结果会「有但用不对」。每章末尾的「动手实验」务必动手做。

快速开始

pip install memu-py
export OPENAI_API_KEY=your_key
​

import asyncio
from memu import MemoryService

async def demo():
    service = MemoryService(
        llm_profiles={"default": {"api_key": "your_key"}},
        database_config={"metadata_store": {"provider": "inmemory"}},
        retrieve_config={"method": "rag"},
    )
    await service.memorize(
        resource_url="https://example.com/meeting-notes.txt",
        modality="document",
    )
    ctx = await service.retrieve(
        queries=[{"role": "user", "content": {"text": "会议里定了什么？"}}],
    )
    for item in ctx.get("items", [])[:3]:
        print(item["summary"])

asyncio.run(demo())
​

祝探索愉快。