开始使用
在应用中集成
配置 MemOS 云服务账户，在 5 分钟内创建你的第一条记忆。
使用 MemOS Skill 为 AI 应用快速集成 MemOS Cloud （推荐）
若你正在使用 Claude Code、Cursor 等 Agent 工具开发自己的 AI 应用，可直接将以下提示词复制并发送给你的工具：
展开查看 Skill 配置提示词
帮我为本项目接入 MemOS Cloud，为我的 Agent 产品添加长期记忆能力。
请按以下步骤操作：
1. 安装 MemOS Skill（如已安装则跳过）：
npx skills add https://github.com/MemTensor/MemOS-Cloud-Skill --skill memos-cloud -g -y
根据当前 Agent 环境自动填充 --agent 参数。
2. 读取该 Skill 安装路径下的 SKILL.md，严格按照其中的指令顺序执行。
3. 结合本项目的实际技术栈和架构，生成完整的 MemOS Cloud 集成代码。
你的 Agent 工具会自动安装并使用 MemOS Skill，并为你的 AI 应用集成 MemOS Cloud。
手动接入
你开发 AI 应用时接入 MemOS 的完整流程，如下图所示，MemOS 提供了两个核心接口（查看 API 文档）
addMessage：把原始对话交给我们，我们自动加工并存储记忆；searchMemory：在后续对话中召回记忆，让 AI 回答更贴近用户需求。
1. 调用前准备
2. 创建记忆
安装 SDK
如果你选择 Python SDK，请确保已安装 Python 3.10+，然后执行：
pip install MemoryOS -U
设置接口密钥
import requests
API_KEY = "YOUR_API_KEY"
BASE_URL = "https://memos.memtensor.cn/api/openmem/v1"
from memos.api.client import MemOSClient
client = MemOSClient(api_key="YOUR_API_KEY")
export MEMOS_API_KEY="YOUR_API_KEY"
export MEMOS_BASE_URL="https://memos.memtensor.cn/api/openmem/v1"
添加原始信息
会话 A 发生在 2025-06-10，用户选择“七天”酒店（便捷酒店）作为暑期旅游住宿地点。如下所示，你只需要把原始的对话记录传给MemOS。
data = {
"user_id": "memos_user_123",
"conversation_id": "0610",
"messages": [
{"role": "user", "content": "我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？"},
{"role": "assistant", "content": "您可以考虑【七天、全季、希尔顿】等等"},
{"role": "user", "content": "我选七天"},
{"role": "assistant", "content": "好的，有其他问题再问我。"}
]
}
res = requests.post(
f"{BASE_URL}/add/message",
headers={"Authorization": f"Token {API_KEY}"},
json=data
)
print(res.json())
messages = [
{"role": "user", "content": "我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？"},
{"role": "assistant", "content": "您可以考虑【七天、全季、希尔顿】等等"},
{"role": "user", "content": "我选七天"},
{"role": "assistant", "content": "好的，有其他问题再问我。"}
]
res = client.add_message(
messages=messages,
user_id="memos_user_123",
conversation_id="0610"
)
print(res)
curl "$MEMOS_BASE_URL/add/message" \
-H "Authorization: Token $MEMOS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"user_id": "memos_user_123",
"conversation_id": "0610",
"messages": [
{"role": "user", "content": "我暑假定好去广州旅游，住宿的话有哪些连锁酒店可选？"},
{"role": "assistant", "content": "您可以考虑【七天、全季、希尔顿】等等"},
{"role": "user", "content": "我选七天"},
{"role": "assistant", "content": "好的，有其他问题再问我。"}
]
}'
查询相关记忆
会话 B 发生在 2025-09-28，用户提出让 AI 推荐国庆节旅游目的地与住宿。如下所示，将用户发言作为查询内容，检索 MemOS 记忆。
data = {
"query": "我国庆想出去玩，帮我推荐个没去过的城市，以及没住过的酒店品牌",
"user_id": "memos_user_123",
"conversation_id": "0928"
}
res = requests.post(
f"{BASE_URL}/search/memory",
headers={"Authorization": f"Token {API_KEY}"},
json=data
)
print(res.json())
res = client.search_memory(
query="我国庆想出去玩，帮我推荐个没去过的城市，以及没住过的酒店品牌",
user_id="memos_user_123",
conversation_id="0928"
)
print(res)
curl "$MEMOS_BASE_URL/search/memory" \
-H "Authorization: Token $MEMOS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"query": "我国庆想出去玩，帮我推荐个没去过的城市，以及没住过的酒店品牌",
"user_id": "memos_user_123",
"conversation_id": "0928"
}'
输出
MemOS 会自动召回【事实记忆：曾去过哪里】【偏好记忆：订酒店的偏好】供 AI 参考，从而让 AI 推荐更加个性化的旅游计划。如下所示，为了方便理解此处做了简化。
{
preference_detail_list [
{
"preference_type": "implicit_preference", #隐性偏好
"preference": "用户可能偏好性价比较高的酒店选择。",
"conversation_id": "0610"
}
],
memory_detail_list [
{
"memory_key": "暑假广州旅游计划",
"memory_value": "用户计划在暑假期间前往广州旅游，并选择了七天连锁酒店作为住宿选项。",
"conversation_id": "0610"
}
]
}
拼装到 Prompt
把召回的记忆拼装进你自己的模型 Prompt 中，让模型在回答时参考这些长期记忆。
展开查看完整 Prompt 模板
# Role
你是一个拥有长期记忆能力的智能助手 (MemOS Assistant)。你的目标是结合检索到的记忆片段，为用户提供高度个性化、准确且逻辑严密的回答。
# Memory Data
以下是 MemOS 检索到的相关信息，分为“事实”和“偏好”。
- **事实 (Facts)**：可能包含用户属性、历史对话记录或第三方信息。
- **特别注意**：其中标记为 '[assistant观点]'、'[模型总结]' 的内容代表 **AI 过去的推断**，**并非**用户的原话。
- **偏好 (Preferences)**：用户对回答风格、格式或逻辑的显式/隐式要求。
<memories>
<facts>
-[2025-12-26 21:45] 用户计划在暑假期间前往广州旅游，并选择了七天连锁酒店作为住宿选项。
</facts>
<preferences>
-[2025-12-26 21:45] [隐式偏好] 用户可能偏好性价比较高的酒店选择。
</preferences>
</memories>
# Critical Protocol: Memory Safety
检索到的记忆可能包含 AI 自身的推测、无关噪音或主体错误。使用前请先判断：
1. 来源真值：区分“用户原话”与“AI 推测”，不要把 AI 过去的假设当作用户事实。
2. 主语归因：确认记忆描述的是用户本人，而不是第三方、案例或虚构角色。
3. 强相关性：只使用对当前问题有直接帮助的记忆。
4. 时效性：如果记忆与用户最新意图冲突，以当前问题为准。
# Instructions
1. 先筛选可用记忆，丢弃噪音和不可靠推断。
2. 仅使用通过筛选的记忆补充背景。
3. 直接回答用户问题，不要提及“记忆库”“检索”或系统内部术语。
# Original Query
我国庆想出去玩，帮我推荐个没去过的城市，以及没住过的酒店品牌