火山引擎记忆库 Mem0 发布：兼容 Mem0 开源生态，Mem0g 图基记忆架构使响应时间下降 91%

火山引擎推出 AI 应用记忆系统「火山引擎记忆库 Mem0」，与大模型分工协同：大模型负责复杂语义理解与逻辑推演，Mem0 专职记忆提取、结构化存储与智能检索。技术链路为智能提取—结构化存储—精准检索：以电商客服场景为例，系统抓取「红色」「身高 166cm」「体重 58kg」等关键信息，以「用户」为实体节点串联相关信息，向量化后存入向量数据库与图数据库；下次交互时基于 Mem0g 图基记忆架构采用向量检索+图检索双路径机制并融合结果，快速定位记忆递给大模型作上下文补充，避免把海量历史信息塞入提示词。官方给出的数据为：与 LLM 全上下文输入输出方式相比响应时间下降 91%；相较传统 RAG 检索原始对话的模式节省约 90% 的 Token 消耗；长期对话记忆评测 Locomo Benchmark 上整体性能领先同类主流记忆工具（未给出分项数值）。工程接入上可被 AgentKit 直接调用或通过少量 API/SDK 部署，SaaS 化即开即用，具备高并发支撑与自定义抽取规则；全面兼容开源项目 Mem0 社区生态，开源版用户可无缝迁移并沿用已对接的 LangChain、LangGraph、LlamaIndex 等开发框架。文中称已落地游戏智能 NPC 场景，并在智能客服、医疗、教育、智能导购等领域展现价值，未来将上线多模态、认知共情等功能。 火山引擎正式推出 AI 应用记忆系统——火山引擎记忆库 Mem0，定位为 AI 应用的「数字海马体」，解决大模型上下文窗口局限与会话记忆清零问题：在大模型负责复杂语义理解与逻辑推演的同时，Mem0 专职记忆提取、结构化存储与智能检索。技术上按「智能提取、结构化存储、精准检索」链路工作：以电商客服为例，抓取「红色」「身高 166cm」「体重 58kg」等关键信息，以「用户」为实体节点串联相关信息，向量化后存入向量数据库及图数据库；下次提问时基于 Mem0g 图基记忆架构采用向量检索 + 图检索双路径并融合结果，把记忆递给大模型作上下文补充。官方给出的指标为：与 LLM 全上下文输入输出方式相比响应时间大幅下降 91%；相比传统 RAG 检索原始对话可节省约 90% 的 Token 消耗；长期对话记忆评测 Locomo Benchmark 上「开箱即用，整体性能领先同类主流记忆工具」（未给出具体分数）。生态与接入上，全面兼容开源项目 Mem0 社区生态，开源版用户可无缝迁移并沿用已对接的 LangChain、LangGraph、LlamaIndex 等框架；无需手动配置向量数据库与调试图环境，可被 AgentKit 直接调用，也可通过少量 API/SDK 完成部署；提供 SaaS 化即开即用、高并发支撑与自定义抽取规则，多模态与认知共情为规划中的进阶功能。文中称已落地游戏智能 NPC 场景，并在智能客服、医疗、教育、智能导购等领域展现价值。 补充材料（2026-03-04）：面向要把长期记忆作为稳定云端基础设施运营的生产环境，火山引擎提供托管版 Mem0：在官方 Mem0 能力之上提供企业级资源隔离、监控告警和权限管理，面向多团队、多业务线的大规模 AI 应用落地。接入流程为在 Mem0 控制台创建 project 并获取 API Key 与云端地址（详细步骤见火山引擎文档 https://www.volcengine.com/docs/86722/1884417?lang=zh），创建 project 时推荐在系统 prompt 里指定信息提取格式以引导 Mem0 抽取姓名、年龄、性别、地域等用户基础信息，也可以按用户场景自定义。 补充材料（2026-05-29）：火山 Mem0 是火山数据库面向 Agent 场景的专属长效记忆系统，兼容社区版 Mem0 使用方式，并基于自研架构与核心组件、底层代码深度优化，在准确性、稳定性、性能、可用性与可靠性上增强；底层依托火山 AIDAP（AI-Native Database Platform）的 PostgreSQL Serverless 存储，为 Agent 提供海量、弹性扩展且相互隔离的专属记忆空间，支持弹性扩展、跨设备实时同步与双 AZ 高可用部署。能力上以记忆数据为中心（主存储为向量数据库、关系存储用可选知识图谱），LLM 全程参与抽取关键事实/实体/关系并做向量去重、语义合并、冲突检测与过时标记，三层智能压缩（事实级剪枝使单条记忆 Token 减少 90% 以上、关联级合并、洞察级提炼），叠加 UserID/AgentID/RunID 多级隔离与自动元数据；检索为预过滤 + RRF 自动适配 + 知识图谱多跳推理。 补充材料（2026-06-29）：火山 Mem0 是一款面向智能体的企业级长效记忆产品：兼容社区 Mem0 语法，深度自研并在性能上做了增强，用于在每一次与用户的交互中高效完成记忆的抽取、存储与精准调用，帮助 AI Agent 形成持续学习与积累认知的能力，把零散对话沉淀为可复用经验，解决当前多数 AI Agent 仅依赖临时上下文、交互经验转瞬即逝、难以自我学习与迭代的问题。 后续材料（2026-03-04）：面向要把长期记忆作为稳定云端基础设施运营的生产环境，火山引擎提供托管版 Mem0：在官方 Mem0 能力之上提供企业级资源隔离、监控告警和权限管理，面向多团队、多业务线的大规模 AI 应用落地。接入流程为在 Mem0 控制台创建 project 并获取 API Key 与云端地址（详细步骤见火山引擎文档 https://www.volcengine.com/docs/86722/1884417?lang=zh），创建 project 时推荐在系统 prompt 里指定信息提取格式以引导 Mem0 抽取姓名、年龄、性别、地域等用户基础信息，也可以按用户场景自定义。 后续材料（2026-06-29）：火山 Mem0 是一款面向智能体的企业级长效记忆产品：兼容社区 Mem0 语法，深度自研并在性能上做了增强，用于在每一次与用户的交互中高效完成记忆的抽取、存储与精准调用，帮助 AI Agent 形成持续学习与积累认知的能力，把零散对话沉淀为可复用经验，解决当前多数 AI Agent 仅依赖临时上下文、交互经验转瞬即逝、难以自我学习与迭代的问题。 后续材料（2026-05-29）：火山 Mem0 是火山数据库面向 Agent 场景的专属长效记忆系统，兼容社区版 Mem0 使用方式，并基于自研架构与核心组件、底层代码深度优化，在准确性、稳定性、性能、可用性与可靠性上增强；底层依托火山 AIDAP（AI-Native Database Platform）的 PostgreSQL Serverless 存储，为 Agent 提供海量、弹性扩展且相互隔离的专属记忆空间，支持弹性扩展、跨设备实时同步与双 AZ 高可用部署。能力上以记忆数据为中心（主存储为向量数据库、关系存储用可选知识图谱），LLM 全程参与抽取关键事实/实体/关系并做向量去重、语义合并、冲突检测与过时标记，三层智能压缩（事实级剪枝使单条记忆 Token 减少 90% 以上、关联级合并、洞察级提炼），叠加 UserID/AgentID/RunID 多级隔离与自动元数据；检索为预过滤 + RRF 自动适配 + 知识图谱多跳推理。