记忆模块总览
MemOS 记忆系统完整指南 - MemOS 提供了丰富的记忆模块，满足从轻量级文本记忆到高级图结构的各种需求。本指南帮助你快速找到最适合的记忆解决方案。
为什么需要不同的记忆模块
记忆模块是赋予Agent“长期记忆”能力的核心组件。它不只是像数据库一样死板地存取数据，而是能够像人类一样，对信息进行自动化地提取、分类、关联和动态更新。通过选择不同的记忆模块，你可以让 Agent拥有不同能力。
🎯 快速选择指南
不确定选哪个？ 跟随这个决策树：
- 🚀 快速测试/演示：简单上手，无需额外软件 → NaiveTextMemory
- 📝 通用文本记忆：记住聊天内容或大量文档，并能根据语义搜索 → GeneralTextMemory
- 👤 用户偏好管理：专门针对用户画像设计 → PreferenceTextMemory
- 🌳 结构化知识图谱：数据之间有复杂的逻辑关联 → TreeTextMemory
- ⚡ 推理加速：访问量很大，希望回复能更平稳、响应更快 → KVCacheMemory
📚 记忆模块分类
一、文本记忆系列
专注于存储和检索文本形式的记忆，适用于绝大多数应用场景。
NaiveTextMemory: 简单明文记忆
适用场景： 快速原型、演示、教学、小规模应用
核心特性：
- ✅ 零依赖，纯内存存储
- ✅ 关键词匹配检索
- ✅ 极简 API，5 分钟上手
- ✅ 支持文件持久化
局限性：
- ❌ 无向量语义搜索
- ❌ 不适合大规模数据
- ❌ 检索精度有限
📖 查看文档
GeneralTextMemory: 通用文本记忆
适用场景： 会话代理、个人助理、知识管理系统
核心特性：
- ✅ 基于向量的语义搜索
- ✅ 丰富的元数据支持（类型、时间、来源等）
- ✅ 灵活的过滤和查询
- ✅ 适合中大规模应用
技术要求：
- 需要向量数据库（Qdrant 等）
- 需要 Embedding 模型
📖 查看文档
PreferenceTextMemory: 偏好记忆
适用场景： 个性化推荐、用户画像、智能助理
核心特性：
- ✅ 自动识别显式和隐式偏好
- ✅ 偏好去重与冲突检测
- ✅ 按偏好类型、强度筛选
- ✅ 向量语义检索
专用功能：
- 双重偏好提取（explicit/implicit）
- 偏好强度评分
- 时间衰减支持
📖 查看文档
TreeTextMemory: 分层结构记忆
适用场景： 知识图谱、复杂关系推理、多跳查询
核心特性：
- ✅ 基于图数据库的结构化存储
- ✅ 支持层次关系和因果链
- ✅ 多跳推理能力
- ✅ 去重、冲突检测、记忆调度
高级功能：
- 支持 MultiModal Reader（图片、URL、文件）
- 支持互联网检索（BochaAI、Google、Bing）
- 工作记忆替换机制
技术要求：
- 需要图数据库（Neo4j 等）
- 需要向量数据库和 Embedding 模型
📖 查看文档
二、专用记忆模块
针对特定场景优化的记忆系统。
KVCacheMemory: 激活记忆
适用场景： LLM 推理加速、高频背景知识复用
核心特性：
- ⚡ 预计算 KV Cache，跳过重复编码
- ⚡ 大幅减少预填充阶段计算
- ⚡ 适合高吞吐量场景
典型用例：
- 常见问题（FAQ）缓存
- 对话历史复用
- 领域知识预加载
工作原理： 稳定的文本记忆 → 预转换为 KV Cache → 推理时直接注入
📖 查看文档
ParametricMemory: 参数化记忆
三、图数据库后端
为 TreeTextMemory 提供图存储能力。
Neo4j Graph DB
Nebula Graph DB
PolarDB Graph DB
🛠️ 使用场景推荐
场景 1: 快速原型开发
推荐： NaiveTextMemory
from memos.memories import NaiveTextMemory
memory = NaiveTextMemory()
memory.add("用户喜欢喝咖啡")
results = memory.search("咖啡")
场景 2: 聊天机器人记忆
- 支持语义搜索
- 按时间、类型、来源过滤
- 适合对话历史管理
场景 3: 个性化推荐系统
- 自动提取用户偏好
- 偏好冲突检测
- 强度评分与筛选
场景 4: 知识图谱应用
推荐： TreeTextMemory
- 多跳关系查询
- 层次结构管理
- 复杂推理场景
场景 5: 高性能 LLM 服务
推荐： KVCacheMemory
- FAQ 系统
- 客服机器人
- 大批量请求处理
🔗 高级功能
MultiModal Reader（多模态读取）
在 TreeTextMemory 中支持处理：
- 对话中的图片
- 网页 URL
- 本地文件（PDF、DOCX、TXT、Markdown）
- 混合模式（文本+图片+URL）
👉 查看示例
Internet Retrieval（互联网检索）
从网络获取实时信息并添加到记忆：
- BochaAI 搜索
- Google 搜索
- Bing 搜索
👉 查看示例