🪴 Quartz 4.0

7_mem0_记忆标签

9 min read

第一阶段：为什么需要分类？

🏠 生活类比

想象你搬了新家，所有东西——衣服、书、厨具、工具——全扔在一个大箱子里。

你要找一把螺丝刀？翻遍整个箱子。 你要找冬天的外套？再翻一遍。

这就是 没有分类 的记忆存储。

💼 真实业务场景

一个客服平台，客户 Maria 打了很多次电话：

记忆1: Maria 来电要重置密码
记忆2: Maria 上月被重复扣款
记忆3: Maria 想升级到高级套餐
记忆4: Maria 反馈希望有暗黑模式
记忆5: Maria 修改了邮箱地址
...假设有 100 条

客服 Joseph 接到 Maria 的电话，她说：“我上次那个扣款问题解决了吗？”

没有分类时：Joseph 要从 100 条记忆里一条条扫，找到和”账单”相关的那几条。

有分类时：直接筛选 billing 类别 → 只看到 2-3 条账单相关记忆 → 秒级定位。

🎯 核心痛点：数据量大时，无差别存储 = 检索噩梦。

第二阶段：Mem0 是什么？

定位

Mem0 是一个 AI 记忆层（Memory Layer），可以理解为：

你的应用 ←→ Mem0（记忆管理） ←→ 底层存储

它不是数据库，而是在数据库之上加了一层 “智能记忆管理”，核心能力：

  • 存记忆：client.add() — 存入一段信息
  • 取记忆：client.get_all() — 按条件检索
  • 改记忆：client.update() — 更新内容
  • 语义理解：它能”读懂”你存的内容，而不只是做关键词匹配

初始化

from mem0 import MemoryClient
 
client = MemoryClient(api_key="your-api-key")

这一步就像登录你的”记忆仓库”。api_key 是你的钥匙。

第三阶段：自定义分类（Custom Categories）

🧠 核心概念

分类是在 项目级别（Project Level） 定义的，意味着：

一旦定义，所有未来新增的记忆 都会自动按这套分类体系来归类。

怎么设计分类？

custom_categories = [
    {"support_tickets": "Customer issues and resolutions"},
    {"account_info": "Account details and preferences"},
    {"billing": "Payment history and billing questions"},
    {"product_feedback": "Feature requests and feedback"},
]
 
client.project.update(custom_categories=custom_categories)

注意这个数据结构——每个分类是一个字典：

{"分类名称": "分类描述"}

分类名称（key）：代码里用来筛选的标识符，如 "billing" 分类描述（value）：给 Mem0 的 AI 看的，它靠这段描述来判断一条记忆属于哪个分类

🔥 类比理解

这就像你给图书馆管理员一张分类表：

分类名说明（给管理员看的）
support_tickets客户遇到的问题和解决方案
account_info账户详情和偏好设置
billing支付历史和账单疑问
product_feedback功能请求和用户反馈

管理员（Mem0 的 AI）拿到一本新书（一条新记忆），读一下内容，然后放到对应的书架上。

⚠️ 设计原则

从 3-5 个分类开始，不要一上来搞 20 个。

为什么？

  • 分类太多 → AI 容易”犹豫”，分类准确度下降
  • 分类太少 → 不够用，但可以后续扩展
  • 宁少勿多，逐步迭代

第四阶段：自动打标签的原理

这是最酷的部分 🪄

你 不需要手动打标签。看代码：

# 存一条账单相关的记忆
client.add(
    "Maria was charged twice for last month's subscription",  # 内容
    user_id="maria",
    metadata={"priority": "high", "source": "phone_call"}    # 元数据
)

你只传了 内容 和 元数据，并没有指定 category="billing"。

但 Mem0 会自动：

  1. 读取内容："Maria was charged twice..." → 语义是”重复扣款”
  2. 对比分类描述："Payment history and billing questions" ← 最匹配！
  3. 自动打上 billing 标签

再看几个例子

# 这条会被自动归类为 "account_info"
client.add(
    "Maria changed her email to maria.new@example.com",
    user_id="maria",
    metadata={"source": "web_portal"}
)
 
# 这条会被自动归类为 "product_feedback"
client.add(
    "Maria requested a dark mode feature for the dashboard",
    user_id="maria",
    metadata={"source": "chat"}
)

🤔 它是怎么做到的？

底层用的是 语义理解（类似 embedding + 分类器）：

记忆内容 → 语义向量 → 与每个分类描述的语义向量比较 → 选最相似的

这就是为什么 分类描述写得好很重要——描述越清晰，AI 分类越准确。

metadata 是什么？

metadata 是你额外附加的结构化信息，Mem0 不会用它来决定分类，但你可以用它做更细粒度的筛选：

metadata={"priority": "high", "source": "phone_call"}
  • priority：优先级（你自己定义的业务字段）
  • source：来源渠道

第五阶段：按分类检索

基础筛选：单个分类

billing_issues = client.get_all(
    filters={
        "AND": [
            {"user_id": "maria"},
            {"categories": {"in": ["billing"]}}
        ]
    }
)

拆解这个 filter：

AND（同时满足）:
  ├── user_id = "maria"          → 只看 Maria 的记忆
  └── categories in ["billing"]  → 只看账单类

结果：只返回 Maria 的账单相关记忆，其他全过滤掉。

输出:
- Maria was charged twice for last month's subscription

进阶筛选：多个分类

account_and_billing = client.get_all(
    filters={
        "AND": [
            {"user_id": "maria"},
            {"categories": {"in": ["account_info", "billing"]}}
        ]
    }
)

{"in": ["account_info", "billing"]} 的意思是：属于这些分类中的任意一个（OR 关系）。

输出:
[account_info] Maria changed her email to maria.new@example.com
[billing] Maria was charged twice for last month's subscription

🎯 类比

就像在电商网站筛选商品：

  • 品牌 = Nike AND 类别 ∈ {跑鞋, 篮球鞋}

同样的逻辑，只是用在了记忆检索上。

第六阶段：重新分类

什么时候需要重新分类？

  1. 你 新增了分类（比如新加了 "escalation" 类别）
  2. 你 修改了分类描述（让描述更准确）
  3. 之前有些记忆被归入了 "misc"（杂项），现在想重新归类

怎么做？

# 第一步：找到需要重新分类的记忆
needs_update = client.get_all(
    filters={
        "AND": [
            {"user_id": "maria"},
            {"categories": {"in": ["misc"]}}
        ]
    }
)
 
# 第二步：重新触发分类
for memory in needs_update['results']:
    client.update(
        memory_id=memory['id'],
        data=memory['memory']  # 内容不变，但会用新的分类体系重新分析
    )

💡 关键洞察

client.update() 调用时，即使内容没变，Mem0 也会 用当前最新的分类定义 重新分析。

这就像你给图书馆管理员换了一张新的分类表，然后让他把”杂项”书架上的书重新归类。

第七阶段：实战总结

你学到的完整流程

┌─────────────────────────────────────────────────┐
│  1. 初始化客户端                                   │
│     client = MemoryClient(api_key=...)           │
│                                                   │
│  2. 定义分类体系                                   │
│     client.project.update(custom_categories=...)  │
│                                                   │
│  3. 存入记忆（自动分类）                             │
│     client.add(content, user_id=..., metadata=...) │
│                                                   │
│  4. 按分类检索                                     │
│     client.get_all(filters={categories: in [...]}) │
│                                                   │
│  5. 需要时重新分类                                  │
│     client.update(memory_id=..., data=...)        │
└─────────────────────────────────────────────────┘

设计原则总结

原则说明
分类 3-5 个起步太多会降低自动分类准确度
描述要清晰具体AI 靠描述来判断，模糊描述 = 模糊分类
项目级别定义一次定义，全项目生效
先跑起来再优化观察 misc 类别积累情况，据此调整
metadata 做补充分类管”大类”，metadata 管”细节”（优先级、来源等）

🧪 思考练习

如果你在做一个 在线教育平台 的客服系统，你会怎么设计分类？

我的建议：

custom_categories = [
    {"course_issues": "Problems with course content, videos, or materials"},
    {"payment": "Refunds, billing, subscription, and payment problems"},
    {"technical": "App bugs, login issues, and platform errors"},
    {"certification": "Certificate requests, exam results, and credentials"},
]

Graph View

Backlinks

  • No backlinks found