更多功能

事件记忆 Event

从对话中自动抽取结构化事件，包含时间、地点、参与者等要素。

1. 事件记忆是什么？

事件记忆（Event）从对话中自动抽取结构化事件，保留时间、地点、参与者等关键要素，让 AI 能够准确、完整地回忆和引用过去的经历，使对话更有连续感。

适用场景
  • 日程管理：记住"上周完成了哪个项目"、"下个月要参加的考试"；
  • 客户服务历史：追溯客户的投诉、咨询、退换货等关键事件；
  • 游戏 / 角色扮演中的剧情记忆：保留角色经历过的关键剧情节点。
事件记忆与属性记忆互补——属性记忆维护"TA 是谁"的稳定画像，事件记忆记录"TA 经历了什么"的动态过程。

2. 关键参数

  • 事件（event）：从对话中抽取的一条结构化事件，是事件记忆的基本单元。
  • 标题（title）：事件的简短描述，如"和朋友去西湖露营"。
  • 内容（content）：事件的详细摘要，包含关键信息。
    • 事件时间：事件发生的时间，优先使用消息中传入的 chat_time。
    • 参与者：事件涉及的人物，从对话上下文中自动识别。
  • 自定义抽取配置：支持自定义事件记忆的抽取 Prompt，控制从对话中抽取事件的方式和关注维度。

3. 使用流程

sequenceDiagram
    autonumber
    participant User as 用户
    participant App as AI 产品
    participant Mem as MemOS
    participant LLM as AI 产品接入大模型

    User->>App: 发送消息 / 产生对话
    App->>Mem: 检索记忆 searchMemory
    Mem-->>App: 召回事件记忆 + 其他记忆
    App->>LLM: 拼接上下文，生成回复
    LLM-->>App: 返回回复
    App-->>User: 展示回复
    App->>Mem: 添加消息 addMessage
    Mem->>Mem: 从对话中抽取结构化事件

上图展示了事件记忆的完整交互流程：

  1. 检索使用：用户对话时，检索召回与当前问题相关的事件记忆及其他记忆种类，拼接到大模型上下文中；
  2. 生成回复：大模型结合召回的事件记忆生成回复；
  3. 自动抽取：添加消息后，MemOS 自动从对话中抽取结构化事件并存储。

4. 使用示例

添加对话

添加消息时，在 allow_memory_view 中包含 "event" 即可触发事件记忆抽取。

import requests

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"

data = {
    "user_id": "memos_user_123",
    "conversation_id": "conv_0624",
    "allow_memory_view": ["event", "detail_factual", "preference"],
    "messages": [
        {"role": "user", "content": "上周二下午和李四一起做了方案评审，客户对第二版方案比较满意，但希望把交付时间提前到七月底。"},
        {"role": "assistant", "content": "收到，需要我帮你整理一下评审中的关键结论吗？"}
    ]
}

res = requests.post(
    f"{BASE_URL}/add/message",
    headers={"Authorization": f"Token {API_KEY}"},
    json=data
)
print(res.json())

检索事件记忆

调用 searchMemory 时，在 include_memory_view 中传入 "event" 即可召回事件记忆。

import requests

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"

data = {
    "user_id": "memos_user_123",
    "query": "最近有什么评审或会议？",
    "include_memory_view": ["event"]
}

res = requests.post(
    f"{BASE_URL}/search/memory",
    headers={"Authorization": f"Token {API_KEY}"},
    json=data
)
print(res.json())

响应示例：

{
  "code": 0,
  "message": "ok",
  "data": {
    "event_detail_list": [
      {
        "id": "d7785b39-1374-4738-b449-3e86ab1f8b2f",
        "event_key": "方案评审与交付调整",
        "event_value": "用户与李四于上周二下午完成方案评审，客户对第二版方案表示满意，并希望将交付时间提前至七月底。",
        "event_type": "EventMemory",
        "create_time": 1783929751765,
        "conversation_id": "conv_event_verify_001",
        "status": "activated",
        "update_time": 1783929757755,
        "relativity": 0.6364,
        "event_time": ["上周二下午", "七月底"],
        "event_location": [],
        "event_roles": ["用户", "李四", "客户"]
      }
    ]
  }
}

获取事件详情

通过 get/memory/{memory_id} 查询单条事件记忆。

import requests

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"
memory_id = "d7785b39-1374-4738-b449-3e86ab1f8b2f"

res = requests.get(
    f"{BASE_URL}/get/memory/{memory_id}",
    headers={"Authorization": f"Token {API_KEY}"}
)
print(res.json())

自定义抽取配置

事件记忆支持在控制台自定义抽取 Prompt，适用于需要调整抽取粒度或关注方向的场景：

  1. 登录 MemOS 控制台，进入项目，找到「自定义抽取」；
  2. 编辑事件记忆的抽取 Prompt，支持手动修改或 AI 辅助生成；
  3. 使用「快速调试」验证抽取效果：输入样例对话，点击「运行抽取」，查看抽取的记忆是否符合预期；
  4. 确认后保存修改。


5. 相关功能

属性记忆

维护用户或 AI 角色的结构化画像，与事件记忆互补

记忆种类

了解事件记忆与其他记忆种类的区别

属性记忆

记忆自进化