更多功能

属性记忆 Profile

为用户或 AI 角色维护一份结构化画像，从对话中自动沉淀并持续更新。

1. 属性记忆是什么？

AI 应用通常通过 Prompt 传入的固定角色设定，并根据提前设定的标签分类，对不同用户推送不同的回复内容实现“有记忆、个性化”。然而，随着对话的深入，用户会不断变化，人工维护的分类标签跟不上，用户的“专属感”也就无法凸显。

属性记忆（Profile）可用于构建结构化的画像，对话中的零散信息被抽取并映射到预先定义好的属性字段，并随对话深入自动更新、补全。核心特点包括：

  • 结构化：画像由预先定义的字段构成，统一存储、可直接取用，不分散在零散的记忆中；
  • 持续更新：随对话深入，MemOS 自动更新属性字段，让画像不断补全、始终贴合用户的最新状态，无需手写或手动维护；
  • 字段级可控：支持自定义每个字段是否允许自动更新，开放的字段随对话演进，关键字段可锁定，保持核心设定稳定、不随对话噪声偏移。

适用于 智能家居、品牌客服、金融投顾 等场景，用于增强对话一致性、稳定性，让 AI 长期记住用户是谁。

示例结构如下所示：

基础信息
  姓名：张三
  职业：工程师
  居住地：杭州
兴趣爱好
  爱好：露营、独立游戏
  喜欢的音乐：民谣
性格标签
  三个关键词：开朗、好奇、爱较真
可以同时绑定到 AI 角色（Agent）上，维护该角色的稳定人设。开启为 Agent 创建独立记忆后，每个 Agent 拥有各自独立的属性记忆。

2. 关键参数

  • 模板（profile_template）：用于定义属性记忆的字段结构，包括字段名称、层级、 默认值、是否允许算法更新等。一个模板可以重复绑定到多个用户或 AI 角色。
  • 实例（profile）：用户或 AI 角色绑定模板后生成的属性记忆，用于存放各自的字段值。
  • 属性：实例中的具体字段项，如关系、兴趣、说话风格、纪念日等。
  • 属性值（value）：实例的字段值。添加消息时，MemOS 根据消息内容更新对应字段值。
  • 算法更新标记（algorithm_updatable）：用于控制字段是否允许被算法自动更新。
  • 主体（user_id/agent_id）：每个用户拥有各自独立的属性记忆实例；开启为 Agent 创建独立记忆后，也可为 Agent（AI 角色）创建属性记忆实例。

3. 工作原理

sequenceDiagram
    autonumber
    participant Dev as 开发者
    participant User as 终端用户
    participant App as AI 产品
    participant Mem as MemOS
    participant LLM as AI 产品接入大模型

    Dev->>Mem: 创建模板，定义属性记忆结构
    Dev->>Mem: 为用户绑定模板，生成实例
    User->>App: 发送消息 / 产生对话
    App->>Mem: 检索记忆 searchMemory
    Mem-->>App: 召回属性记忆 + 其他记忆
    App->>LLM: 拼接上下文，生成更懂该用户的回复
    LLM-->>App: 返回回复
    App-->>User: 展示回复
    App->>Mem: 添加消息 addMessage
    Mem->>Mem: 从对话抽取信息，更新属性值

上图展示了开发者、终端用户、AI 产品 与 MemOS 的完整交互流程：

  1. 准备模板：在控制台创建属性记忆模板，定义字段结构；
  2. 绑定到主体：为 用户/ AI 角色 绑定模板，生成属于 TA 的属性记忆实例；
  3. 检索使用：召回与当前问题相关的记忆，包含属性记忆，拼接到大模型上下文中，生成更懂用户的回复；
  4. 自动更新：后续添加消息时，MemOS 从对话中抽取信息，更新实例中对应的属性字段值。
当前，绑定模板不会自动回溯历史对话来填充属性值，建议从创建用户时就绑定模板。

4. 使用示例

有关 API 字段、格式等信息的完整列表，详见 属性树操作接口文档。

创建模板

属性记忆模板在 MemOS 控制台 中创建和维护。模板使用 JSON 描述，最多三层嵌套：

{
  "基础信息": {
    "姓名": { "value": "", "algorithm_updatable": false },
    "职业": { "value": "", "algorithm_updatable": true },
    "居住地": { "value": "", "algorithm_updatable": true }
  },
  "性格标签": {
    "三个关键词": { "value": "", "algorithm_updatable": true }
  }
}
  • value：属性字段值，可以留空或填入默认值；
  • algorithm_updatable：标记该属性是否允许算法从对话中自动更新。
修改或删除模板中的字段，会影响所有绑定过该模板的属性记忆实例字段，请谨慎修改已绑定示例的属性树模板。

绑定用户到模板

为用户绑定模板后，MemOS 会为该用户创建属性记忆实例。后续添加消息时 MemOS 自动更新对应字段值，动态维护用户画像。

import requests

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

data = {
    "bind_list": [
        {"user_id": "memos_user_123", "profile_template_id": "tpl_user_001"}
    ]
}

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

添加对话

用户在对话中提到自己的职业和爱好，MemOS 自动抽取信息并更新属性记忆。

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": ["profile", "detail_factual", "preference"],
    "messages": [
        {"role": "user", "content": "我在杭州做产品经理，平时喜欢看科幻小说和露营。"},
        {"role": "assistant", "content": "了解了，杭州是个好地方，周边露营地很多。"}
    ]
}

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

检索属性记忆

在新会话中询问用户信息时，调用检索记忆接口，在 include_memory_view 中传入 "profile" 即可召回属性记忆。

import requests

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

data = {
    "user_id": "memos_user_123",
    "query": "这个用户的基本情况是什么？",
    "include_memory_view": ["profile"]
}

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": {
    "profile_detail_list": [
      {
        "id": "memos97701df652bb42cf8fe276b0da1441f3_tpl_bb0948b22fe7_e6a0dbfb3d47",
        "memory": "基础信息.职业: 产品经理",
        "memory_type": "ProfileMemory",
        "template_id": "tpl_bb0948b22fe7",
        "profile_category": "基础信息",
        "profile_field": "职业",
        "profile_path": "基础信息.职业",
        "status": "activated",
        "confidence": 0.99,
        "relativity": 0.6782,
        "algorithm_updatable": true
      },
      {
        "id": "memos97701df652bb42cf8fe276b0da1441f3_tpl_bb0948b22fe7_2785203c3b81",
        "memory": "基础信息.居住地: 杭州",
        "memory_type": "ProfileMemory",
        "template_id": "tpl_bb0948b22fe7",
        "profile_category": "基础信息",
        "profile_field": "居住地",
        "profile_path": "基础信息.居住地",
        "status": "activated",
        "confidence": 0.99,
        "relativity": 0.6808,
        "algorithm_updatable": true
      }
    ]
  }
}

编辑属性值

用户搬家到了上海，手动更新“居住地”并锁定该字段，防止后续对话中被自动覆盖。

import requests

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

data = {
    "user_id": "memos_user_123",
    "profile_template_id": "tpl_user_001",
    "metadata": {
        "基础信息": {
            "居住地": {
                "value": "上海",
                "algorithm_updatable": False
            }
        }
    }
}

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

删除实例

不再需要某个用户的属性记忆时，可删除实例，绑定关系和所有字段值一并清除。

import requests

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

data = {
    "user_id": "memos_user_123",
    "profile_template_id": "tpl_user_001"
}

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

5. 相关功能

记忆种类

了解属性记忆与其他记忆种类的区别

事件记忆

从对话中抽取带时间、地点、参与者的结构化事件

知识库

事件记忆