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 Skill 为 AI 应用快速集成 MemOS （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-cloud-developer Skill（如已安装则跳过）：
npx skills add https://github.com/MemTensor/MemOS-Cloud-Skill --skill memos-cloud-developer -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-cloud-developer 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