它是什么
一种把大量小决策移出语言模型的智能体记忆。
它做什么： 写入时，由 Jev 判断新观察属于哪种类型、是否重复，以及它在语义、时间、因果和实体四种图视图中如何连接已有记忆。读取时，由 Jev 把查询路由到相关图视图、分配搜索力度、给新候选打分，并判断证据是否已经足够。然后由另一个回答模型根据选出的证据写出回答。
为什么收进案例库： 一个有论文、有代码的完整研究系统，把频繁的记忆控制移出了生成循环。
注意： 数据来自论文，只覆盖一个基准；实际运行有接口费用。
证据
公开的 MIT 许可仓库，附 arXiv 论文 2609.23986（作者 Dongming Jiang、Yi Li、Bingzhe Li，2026 年 9 月）和 Hugging Face 演示；论文报告：在 LoCoMo 上以 GPT-4o-mini 作为回答模型时，总分 0.777（MAGMA 为 0.700），记忆构建 158 秒（Nemori 为 1,044 秒），平均查询延迟 0.93 秒（MAGMA 为 1.47 秒）；Jev 决策使用 Noul 和 Choice，图和检索的上限由代码强制执行；提供模拟模式，并支持本地 Laya（论文没有对 Laya 做基准测试）；mem0 于 2026-10-07 在 X 上撰文介绍。
注意
- 基准数据来自论文本身；README 说明示例命令本身不能复现论文的完整评测
- 实际运行会把记忆文本和查询发给 TypeSafe，还可能调用回答模型；请预估接口费用
- 结果只覆盖 LoCoMo；README 没有声称任何 LongMemEval 结果
非官方案例页。热度用观察到的 stars / 列表位次；热度不是质量 SLA。依赖前请阅读上游 README。