Chat
POST
import os
import requests
import json
# 替换成你的 API Key
os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"
data = {
"user_id": "memos_user_123",
"conversation_id": "memos_chat_conv",
"query": "给我介绍MemOS"
}
headers = {
"Content-Type": "application/json",
"Authorization": f"Token {os.environ['MEMOS_API_KEY']}"
}
url = f"{os.environ['MEMOS_BASE_URL']}/chat"
res = requests.post(url=url, headers=headers, data=json.dumps(data))
print(f"result: {res.json()}")
# 请确保已安装MemoS (pip install MemoryOS -U)
from memos.api.client import MemOSClient
# 使用 API Key 初始化客户端
client = MemOSClient(api_key="YOUR_API_KEY")
user_id = "memos_user_123"
conversation_id = "memos_chat_conv"
query = "给我介绍MemOS"
res = client.chat(user_id=user_id,conversation_id=conversation_id,query=query)
print(f"result: {res}")
curl --request POST \
--url https://memos.memtensor.cn/api/openmem/v1/chat \
--header 'Authorization: Token YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"user_id": "memos_user_123",
"conversation_id": "memos_chat_conv",
"query": "给我介绍MemOS"
}'
{
"code": 0,
"data": {
"response": "<string>"
},
"message": "<string>"
}Authorizations
Authorization
string
header
required
Token API_key，可在 API 控制台>接口密钥 中查看
请求体
application/json
user_id
string
required
对话内容所关联的用户唯一标识符。
conversation_id
string
required
对话内容所在会话的唯一标识符，传入可明确当前会话，本会话的记忆应当比其他历史会话的权重高；不传可跨会话检索相关记忆，得到相关性更高的模型回答。
query
string
required
用户输入的对话内容。
filter
object
记忆过滤的条件，用于在检索记忆前精确限定记忆范围。可用字段包括："agent_id", "app_id", "create_time", "update_time"与"info"中的字段。支持逻辑运算符（and，or）和比较运算符（gte、lte、gt、lt）。对于"info"字段，支持过滤传入的"business_type", "biz_id", "scene"和其他自定义字段。
Example:
"{"and": [{"create_time":{"gte":"..."}}]}"
knowledgebase_ids
string[]
该字段用于限制当次搜索可访问的知识库范围，默认为空（即不检索任何知识库）。传入具体知识库 ID，则可检索指定知识库中的普通文档和已上传的 Skill；传入 all，则可检索该项目下所有关联知识库。
memory_limit_number
number
default: 9
召回的事实记忆条数上限，在满足相关性阈值（relativity）的前提下最多返回该数量的记忆，不保证返回固定条数。默认值 9，最大值 25。
include_preference
boolean
default: true
是否要召回偏好记忆，开启后系统会根据查询内容智能召回与用户偏好相关的记忆。默认 =true
preference_limit_number
number
default: 9
召回的偏好记忆条数上限，在满足相关性阈值（relativity）的前提下最多返回该数量的记忆，不保证返回固定条数。默认值 9，最大值 25。
relativity
number
default: 0.45
召回记忆的相关性阈值（0~1）。用于过滤低相关记忆，并与限定返回的事实、偏好记忆最大条数，共同约束最终返回结果。不传时使用系统默认阈值，取值为0时表示不进行相关性过滤。
model_name
string
default: qwen2.5-72B-Instruct
指定具体对话模型。
Enum:"qwen3-32b""deepseek-r1""qwen2.5-72b-instruct"
system_prompt
string
自定义系统指令。
stream
boolean
default: false
是否启用流式返回。
max_tokens
number
default: 8192
表示最大生成 token 数。
temperature
number
default: 0.7
控制生成随机性。取值范围：0 ≤ x ≤ 2
top_p
number
default: 0.95
Nucleus 采样参数。取值范围：0 ≤ x ≤ 1
add_message_on_answer
boolean
default: true
是否自动将用户与助手的会话内容写入记忆。启用后，开发者无需再调用add/message接口添加消息为记忆。
app_id
string
对话内容所关联的应用唯一标识符。
agent_id
string
对话内容所关联的Agent唯一标识符。
tags
string[]
自定义标签列表，用于标记对话内容的主题或分类。
info
object
自定义元信息字段，能够存储任意与对话内容相关的结构化数据，例如位置、来源、版本等，主要用于在检索时精确过滤或追踪来源。
allow_public
boolean
default: false
是否允许加入公共记忆。
allow_knowledgebase_ids
string[]
添加的消息产生的记忆允许被写入的知识库列表。
响应体
Successful Response
import os
import requests
import json
# 替换成你的 API Key
os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"
data = {
"user_id": "memos_user_123",
"conversation_id": "memos_chat_conv",
"query": "给我介绍MemOS"
}
headers = {
"Content-Type": "application/json",
"Authorization": f"Token {os.environ['MEMOS_API_KEY']}"
}
url = f"{os.environ['MEMOS_BASE_URL']}/chat"
res = requests.post(url=url, headers=headers, data=json.dumps(data))
print(f"result: {res.json()}")
# 请确保已安装MemoS (pip install MemoryOS -U)
from memos.api.client import MemOSClient
# 使用 API Key 初始化客户端
client = MemOSClient(api_key="YOUR_API_KEY")
user_id = "memos_user_123"
conversation_id = "memos_chat_conv"
query = "给我介绍MemOS"
res = client.chat(user_id=user_id,conversation_id=conversation_id,query=query)
print(f"result: {res}")
curl --request POST \
--url https://memos.memtensor.cn/api/openmem/v1/chat \
--header 'Authorization: Token YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"user_id": "memos_user_123",
"conversation_id": "memos_chat_conv",
"query": "给我介绍MemOS"
}'
{
"code": 0,
"data": {
"response": "<string>"
},
"message": "<string>"
}