@amaster.ai/pi-memory-mem0

Mem0 被动语义记忆扩展 — 支持 Platform (云端) 和 Open-Source (本地 SQLite) 双模式。

工作原理

每轮对话结束后，自动将 user + assistant 消息对发送给 Mem0 进行事实提取和向量化存储。下一轮开始前，自动用语义搜索召回相关记忆并注入 system prompt。

你不需要做任何事 — 记忆的存储和召回完全自动。

两种模式

模式	存储位置	依赖	适用场景
platform	Mem0 Cloud	MEM0_API_KEY	快速上手，多设备同步
open-source	本地 SQLite (~/.mem0/vector_store.db)	LLM + Embedding API	数据私有，零外部服务

快速开始

Platform 模式

{
  "pi-memory-mem0": {
    "mode": "platform",
    "apiKey": "${MEM0_API_KEY}",
    "userId": "${USER}"
  }
}

Open-Source 模式 (推荐)

默认复用 pi 已配置的 model provider API key，不需要额外设置环境变量。

{
  "pi-memory-mem0": {
    "mode": "open-source",
    "userId": "${USER}"
  }
}

默认使用 OpenAI text-embedding-3-small (embedding) + gpt-4.1-nano (提取)。API key 自动从 pi model registry 获取。

自定义 LLM / Embedding

{
  "pi-memory-mem0": {
    "mode": "open-source",
    "userId": "${USER}",
    "oss": {
      "llm": {
        "provider": "deepseek",
        "config": { "model": "deepseek-chat" }
      },
      "embedder": {
        "provider": "openai",
        "config": { "model": "text-embedding-3-small" }
      }
    }
  }
}

纯本地 (Ollama)

{
  "pi-memory-mem0": {
    "mode": "open-source",
    "userId": "${USER}",
    "oss": {
      "llm": {
        "provider": "ollama",
        "config": { "model": "llama3", "url": "http://localhost:11434" }
      },
      "embedder": {
        "provider": "ollama",
        "config": { "model": "nomic-embed-text", "url": "http://localhost:11434" }
      }
    },
    "useRegistryKeys": false
  }
}

配置参考

字段	类型	默认值	说明
mode	"platform" | "open-source"	"platform"	运行模式
apiKey	string	—	Platform 模式必须。支持 ${MEM0_API_KEY}
baseUrl	string	https://api.mem0.ai	Platform 自定义端点
userId	string	$USER 或 "default-user"	记忆作用域
topK	number	5	每轮最多召回条数
useRegistryKeys	boolean	true	OSS 模式是否从 pi registry 取 API key
oss.llm	object	OpenAI gpt-4.1-nano	OSS 提取模型
oss.embedder	object	OpenAI text-embedding-3-small	OSS embedding 模型
oss.vectorStore	object	SQLite (默认)	自定义向量存储
oss.disableHistory	boolean	false	禁用操作历史记录

数据存储位置

模式	位置
Platform	Mem0 Cloud (api.mem0.ai)
Open-Source	~/.pi/agent/memories/mem0.db (SQLite，和 pi-memory 的 MEMORY.md/USER.md 同目录)

可通过 oss.vectorStore.config.dbPath 自定义路径。PI_AGENT_HOME 环境变量会改变默认目录。

API Key 解析顺序 (OSS 模式)

LLM 和 Embedder 的 API key 各自独立解析，按以下顺序：

1. settings.json 的 oss.llm.config.apiKey / oss.embedder.config.apiKey (显式配置)
2. pi model registry 的对应 provider key (useRegistryKeys: true 时)
3. 环境变量 (OPENAI_API_KEY, DEEPSEEK_API_KEY 等，mem0 SDK 内部读取)

例如配置 "llm": { "provider": "deepseek" } + "embedder": { "provider": "openai" }，会分别从 pi registry 拿 deepseek 的 key 给 LLM，拿 openai 的 key 给 embedder。

通过代理 API 调用 (如 amaster)

如果你的 embedding/LLM 走统一代理（如 amaster credits），可以配 baseUrl 转发：

{
  "pi-memory-mem0": {
    "mode": "open-source",
    "oss": {
      "llm": {
        "provider": "openai",
        "config": { "model": "deepseek-v4", "baseUrl": "https://credits.amaster.ai/v1" }
      },
      "embedder": {
        "provider": "openai",
        "config": { "model": "text-embedding-3-small", "baseUrl": "https://credits.amaster.ai/v1" }
      }
    }
  }
}

这样 key 从 pi registry 的 openai provider 解析，但实际请求发到 amaster 的端点。

提供的工具

工具	说明
mem0_search	语义搜索长期记忆
mem0_profile	列出用户所有记忆
mem0_save	手动存储一条事实（不经过 LLM 提取）

命令

/mem0 status          # 查看状态
/mem0 search <query>  # 语义搜索
/mem0 profile         # 列出所有记忆

与 pi-memory 的关系

pi-memory-mem0 和 pi-memory 是独立并行运行的两个扩展：

• pi-memory：主动记忆，agent 通过工具显式管理，本地 .md 文件，有 char limit
• pi-memory-mem0：被动记忆，自动提取存储，语义检索，无容量限制

两者互不干扰，各自注入 system prompt。