更多功能
群聊
多用户与 Agent 在同一会话中对话，MemOS 抽取记忆时区分不同参与者。
1. 群聊是什么？
群聊场景下，多个用户和/或 Agent 在同一会话中对话，MemOS 为每个参与者独立抽取和维护记忆。传入发言人的标识和名称后，记忆抽取会自动区分“谁说了什么”，生成以具体人名为主语的记忆，让每个参与者的画像更精准。
适用场景
- 项目群、周会、方案评审等多人同场讨论；
- 家庭 / 团队共用助手：一次群聊写入后，各成员记忆中都保留这份讨论；
- 多 Agent 参与：
agent_id同样支持数组，多个 AI 角色可一起参与。
2. 关键参数
- 用户标识（user_id）：支持字符串（单用户）或字符串数组（群聊多用户）。
- Agent 标识（agent_id）：同样支持字符串或字符串数组；多 Agent 可同时参与群聊。
- 发言人标识（role_id）：群聊时建议传入，标识每条消息由谁发送，建议对应顶层
user_id/agent_id中的某个值。 - 发言人名称（role_name）：与
role_id同时传入后，记忆文本中可带上人名，便于区分发言人。 - 会话标识（conversation_id）：群聊会话的唯一标识。
限制说明
| 限制项 | 说明 |
|---|---|
user_id / agent_id 列表上限 | 单次最多传入 20 个 ID |
| QPS 折算 | 按参与人数折算；例如传入 20 个 ID 时 ×20 折算，即每秒最多 2 次请求 |
更多通用配额说明见配额与限制。
3. 使用流程
sequenceDiagram
autonumber
participant UserA as 用户A
participant UserB as 用户B
participant App as AI 产品
participant Mem as MemOS
participant LLM as AI 产品接入大模型
UserA->>App: 在群聊中发言
UserB->>App: 在群聊中发言
App->>Mem: searchMemory（user_id=用户A）
Mem-->>App: 从用户 A 的记忆中召回
App->>LLM: 拼接上下文
LLM->>UserA:展示回复
App->>Mem: addMessage（user_id 列表 + role_id + role_name）
Mem->>Mem: 将群聊记录写入用户A的记忆
Mem->>Mem: 将群聊记录写入用户B的记忆
- 多人对话：多个用户在同一会话中发言；
- 按人检索：用某个
user_id调用 searchMemory，在该用户的记忆空间中检索； - 一次写入：
user_id传为列表，每条消息标注role_id/role_name； - 各自抽取：列表中每位参与者都会抽取关于这份群聊的记忆。
4. 使用示例
添加群聊消息
例如张三、李四与助手在同一会话里对齐方案评审时间：
import requests
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"
data = {
"user_id": ["memos_user_1", "memos_user_2"],
"agent_id": "memos_agent",
"conversation_id": "group_conv_001",
"messages": [
{"role": "user", "role_id": "memos_user_1", "role_name": "张三", "content": "下周二的方案评审，大家时间合适吗？"},
{"role": "user", "role_id": "memos_user_2", "role_name": "李四", "content": "我可以，下午两点怎么样？"},
{"role": "assistant", "role_id": "memos_agent", "content": "已记录，下周二下午两点方案评审。需要我帮忙准备会议议程吗？"}
]
}
res = requests.post(
f"{BASE_URL}/add/message",
headers={"Authorization": f"Token {API_KEY}"},
json=data
)
print(res.json())
# 请确保已安装 MemOS（pip install MemoryOS -U）
from memos.api.client import MemOSClient
client = MemOSClient(api_key="YOUR_API_KEY")
res = client.add_message(
user_id=["memos_user_1", "memos_user_2"],
agent_id="memos_agent",
conversation_id="group_conv_001",
messages=[
{"role": "user", "role_id": "memos_user_1", "role_name": "张三", "content": "下周二的方案评审，大家时间合适吗？"},
{"role": "user", "role_id": "memos_user_2", "role_name": "李四", "content": "我可以，下午两点怎么样？"},
{"role": "assistant", "role_id": "memos_agent", "content": "已记录，下周二下午两点方案评审。需要我帮忙准备会议议程吗？"}
]
)
print(res)
curl --request POST \
--url https://memos.memtensor.cn/api/openmem/v1/add/message \
--header 'Authorization: Token YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"user_id": ["memos_user_1", "memos_user_2"],
"agent_id": "memos_agent",
"conversation_id": "group_conv_001",
"messages": [
{"role": "user", "role_id": "memos_user_1", "role_name": "张三", "content": "下周二的方案评审，大家时间合适吗？"},
{"role": "user", "role_id": "memos_user_2", "role_name": "李四", "content": "我可以，下午两点怎么样？"},
{"role": "assistant", "role_id": "memos_agent", "content": "已记录，下周二下午两点方案评审。需要我帮忙准备会议议程吗？"}
]
}'
写入后，记忆文本里可通过 role_name 区分发言人。
检索群聊相关记忆
之后任一参与者继续对话时，用该用户的 user_id 检索即可召回这份群聊上下文。例如张三询问会议安排：
import requests
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"
data = {
"user_id": "memos_user_1",
"query": "最近有什么会议安排？"
}
res = requests.post(
f"{BASE_URL}/search/memory",
headers={"Authorization": f"Token {API_KEY}"},
json=data
)
print(res.json())
# 请确保已安装 MemOS（pip install MemoryOS -U）
from memos.api.client import MemOSClient
client = MemOSClient(api_key="YOUR_API_KEY")
res = client.search_memory(
user_id="memos_user_1",
query="最近有什么会议安排？"
)
print(res)
curl --request POST \
--url https://memos.memtensor.cn/api/openmem/v1/search/memory \
--header 'Authorization: Token YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"user_id": "memos_user_1",
"query": "最近有什么会议安排？"
}'