基于 Mem0 的 Docker 化部署方案 - 为 AI 助手和智能体提供可扩展的长期记忆能力
快速开始 • 功能特性 • 部署指南 • API 文档 • 示例
本项目是基于 Mem0 的 Docker 化改造版本，提供了完整的容器化部署方案。Mem0 是一个智能记忆层，能够为 AI 助手和智能体提供个性化的交互体验，通过记住用户偏好、适应个人需求并持续学习来提升AI系统的能力。
- 🐳 Docker 化部署: 完整的 Docker Compose 配置，一键启动所有服务
- 🔧 中文化支持: 提供中文文档和配置说明
- 🚀 生产就绪: 包含 PostgreSQL + Neo4j 的完整技术栈
- 🔐 安全认证: 内置 API Key 认证机制
- 📊 数据持久化: 完整的数据存储和备份方案
- 🧠 多层级记忆: 无缝保留用户、会话和智能体状态，实现自适应个性化
- 🔍 智能搜索: 基于语义的记忆检索和匹配
- 📈 持续学习: 从交互中不断学习和优化
- 🔄 实时更新: 支持记忆的实时添加、更新和删除
- 🤖 AI 助手: 提供一致的、上下文丰富的对话体验
- 💬 客服系统: 记住过往工单和用户历史，提供个性化帮助
- 🏥 医疗健康: 跟踪患者偏好和历史，提供个性化护理
- 🎮 生产力工具: 基于用户行为的自适应工作流程和环境
graph TB
Client[客户端应用] --> API[Mem0 API Server]
API --> Memory[Memory Engine]
Memory --> Vector[Vector Store<br/>PostgreSQL + pgvector]
Memory --> Graph[Graph Store<br/>Neo4j]
Memory --> LLM[LLM Provider<br/>OpenAI/其他]
subgraph "Docker 容器"
API
Vector
Graph
end
- Docker 20.10+
- Docker Compose 2.0+
- 至少 4GB 可用内存
- OpenAI API Key 或其他兼容的 LLM 服务
-
克隆项目
git clone <your-repo-url> cd mem0
-
配置环境变量
cp .env.example .env # 编辑 .env 文件，设置必要的环境变量 -
启动服务
docker-compose up -d
-
验证部署
# 检查服务状态 docker-compose ps # 查看 API 文档 curl http://localhost:8000/docs
创建 .env 文件并配置以下变量：
# API 认证
API_KEY=your_secure_api_key_here
# OpenAI 配置
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=https://api.openai.com/v1
# 数据库配置
POSTGRES_DB=mem0_db
POSTGRES_USER=postgres
POSTGRES_PASSWORD=your_postgres_password
POSTGRES_COLLECTION_NAME=memories
# Neo4j 配置
NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=your_neo4j_password
# 其他配置
HISTORY_DB_PATH=/app/history/history.db- 端口: 8000
- 功能: 提供 RESTful API 接口
- 依赖: PostgreSQL, Neo4j
- 端口: 5432
- 功能: 存储向量化的记忆数据
- 扩展: pgvector 用于向量相似度搜索
- 端口: 7474 (HTTP), 7687 (Bolt)
- 功能: 存储记忆之间的关系图谱
- 插件: APOC 用于图数据处理
-
资源规划
# 推荐配置 CPU: 4 cores Memory: 8GB+ Storage: 50GB+ SSD
-
安全配置
# 设置强密码 # 配置防火墙规则 # 启用 HTTPS # 定期备份数据
-
监控配置
# 添加健康检查 # 配置日志收集 # 设置告警规则
所有 API 请求都需要在 Header 中包含 API Key：
Authorization: Bearer your_api_key_herePOST /memories/
Content-Type: application/json
{
"messages": [
{"role": "user", "content": "我喜欢喝咖啡"},
{"role": "assistant", "content": "好的，我记住了您喜欢咖啡"}
],
"user_id": "user_123",
"metadata": {"source": "chat"}
}POST /search/
Content-Type: application/json
{
"query": "用户的饮品偏好",
"user_id": "user_123",
"limit": 5
}GET /memories/?user_id=user_123PUT /memories/{memory_id}
Content-Type: application/json
{
"content": "更新后的记忆内容"
}DELETE /memories/{memory_id}{
"success": true,
"data": {
"memory_id": "mem_123",
"content": "记忆内容",
"created_at": "2024-01-01T00:00:00Z"
},
"message": "操作成功"
}# docker-compose.yml 主要配置项说明
services:
mem0:
# 使用自定义镜像
image: registry.cn-shenzhen.aliyuncs.com/tokengo/mem0
# 环境变量配置
environment:
- OPENAI_BASE_URL=https://api.token-ai.cn/v1
- NEO4J_URI=bolt://neo4j:7687
# 数据卷挂载
volumes:
- ./history:/app/history可以通过修改 server/main.py 中的 DEFAULT_CONFIG 来自定义配置：
DEFAULT_CONFIG = {
"version": "v1.1",
"vector_store": {
"provider": "pgvector",
"config": {
"host": "postgres",
"port": 5432,
# ... 其他配置
}
},
"llm": {
"provider": "openai",
"config": {
"model": "gpt-4o",
"temperature": 0.2
}
}
}import requests
import json
class Mem0Client:
def __init__(self, base_url="http://localhost:8000", api_key=None):
self.base_url = base_url
self.headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}" if api_key else ""
}
def add_memory(self, messages, user_id, metadata=None):
"""添加新记忆"""
data = {
"messages": messages,
"user_id": user_id,
"metadata": metadata or {}
}
response = requests.post(
f"{self.base_url}/memories/",
headers=self.headers,
json=data
)
return response.json()
def search_memories(self, query, user_id, limit=5):
"""搜索记忆"""
data = {
"query": query,
"user_id": user_id,
"limit": limit
}
response = requests.post(
f"{self.base_url}/search/",
headers=self.headers,
json=data
)
return response.json()
# 使用示例
client = Mem0Client(api_key="your_api_key")
# 添加记忆
messages = [
{"role": "user", "content": "我明天要参加重要会议"},
{"role": "assistant", "content": "我会帮您记住这个重要会议"}
]
result = client.add_memory(messages, user_id="user_123")
print(f"记忆已添加: {result}")
# 搜索记忆
memories = client.search_memories("会议", user_id="user_123")
print(f"找到相关记忆: {memories}")from openai import OpenAI
import requests
class ChatBotWithMemory:
def __init__(self, openai_api_key, mem0_api_key, mem0_base_url="http://localhost:8000"):
self.openai_client = OpenAI(api_key=openai_api_key)
self.mem0_client = Mem0Client(mem0_base_url, mem0_api_key)
def chat(self, message, user_id):
# 搜索相关记忆
memories = self.mem0_client.search_memories(message, user_id, limit=3)
memory_context = "\n".join([
f"- {mem['content']}" for mem in memories.get('results', [])
])
# 构建提示词
system_prompt = f"""你是一个有记忆的AI助手。
基于以下用户记忆来回答问题：
{memory_context}
请提供个性化的回答。"""
# 调用 OpenAI
response = self.openai_client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": message}
]
)
assistant_response = response.choices[0].message.content
# 保存新的对话记忆
conversation = [
{"role": "user", "content": message},
{"role": "assistant", "content": assistant_response}
]
self.mem0_client.add_memory(conversation, user_id)
return assistant_response
# 使用示例
bot = ChatBotWithMemory(
openai_api_key="your_openai_key",
mem0_api_key="your_mem0_key"
)
response = bot.chat("今天天气怎么样？", user_id="user_123")
print(response)-
服务启动失败
# 检查端口占用 netstat -tulpn | grep :8000 # 检查 Docker 日志 docker-compose logs mem0
-
数据库连接失败
# 检查数据库状态 docker-compose ps postgres neo4j # 重启数据库服务 docker-compose restart postgres neo4j
-
API 认证失败
# 检查环境变量 docker-compose exec mem0 env | grep API_KEY
-
数据库优化
-- PostgreSQL 索引优化 CREATE INDEX IF NOT EXISTS idx_memories_user_id ON memories(user_id); CREATE INDEX IF NOT EXISTS idx_memories_created_at ON memories(created_at);
-
内存配置
# docker-compose.yml services: postgres: environment: - POSTGRES_SHARED_BUFFERS=256MB - POSTGRES_EFFECTIVE_CACHE_SIZE=1GB
# 查看实时日志
docker-compose logs -f mem0
# 查看特定时间范围的日志
docker-compose logs --since="2024-01-01" --until="2024-01-02" mem0
# 导出日志
docker-compose logs mem0 > mem0.log我们欢迎社区贡献！请遵循以下步骤：
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 创建 Pull Request
# 安装开发依赖
pip install -r requirements-dev.txt
# 运行测试
pytest tests/
# 代码格式化
black .
flake8 .本项目采用 Apache 2.0 许可证 - 详见 LICENSE 文件。
- 感谢 Mem0 团队提供的优秀基础框架
- 感谢所有贡献者的努力和支持
🌟 如果这个项目对您有帮助，请给我们一个 Star！