如何为你的AI智能体赋予记忆
内容提要
本文介绍如何为AI智能体构建长期记忆：区分短期与长期记忆，核心是按需检索相关记忆而非塞入全部历史。教程用OpenAI Agents SDK与Mem0创建搜索、保存记忆的工具，使智能体跨会话记住用户偏好（如用Python和uv），重启后仍有效；再通过Mem0官方MCP服务器将同一记忆系统接入OpenCode，让编程智能体记住项目习惯。最终用户无需每次从头解释，获得更个性化、连贯的体验。
延伸解读
检索而非全量注入：记忆系统的效率关键
文章强调，智能体记忆的核心是按需检索相关记忆，而不是把全部历史对话塞进提示词。通过Mem0的语义搜索，智能体只取回与当前请求最相关的记忆（如top_k=5），既缩小了上下文，又保持了连贯性。这种做法避免了上下文膨胀带来的成本与干扰，是构建实用长期记忆系统的关键设计。
工具化记忆：让智能体自主决定存与取
教程通过search_memory和save_memory两个工具，把记忆的读写能力交给智能体本身。智能体在回答前主动搜索记忆，并在对话中判断哪些信息值得长期保存。指令中明确要求跳过问候、临时信息和重复内容，这体现了记忆管理需要策略，而非简单记录所有内容。
跨会话持久化：重启后仍有效的用户体验
由于记忆存储在Mem0云端，Python应用重启后，智能体仍能检索到用户之前保存的偏好（如使用Python和uv）。这意味着用户无需每次从头解释，智能体可以给出更个性化、连贯的回应。文章通过测试验证了这一点，展示了长期记忆对用户体验的实际提升。
MCP接入：同一记忆系统复用到编程智能体
文章进一步展示，通过Mem0官方托管的MCP服务器，可以将同一记忆系统接入OpenCode等编程智能体，而无需自己编写Python工具。配置后，OpenCode能记住项目习惯（如偏好uv而非pip），并在新会话中检索使用。这降低了为不同智能体添加记忆的门槛，也体现了记忆系统的可复用性。
Q&A
AI智能体的短期记忆和长期记忆有什么区别？
短期记忆指当前对话或任务中的信息，如最近的消息和临时状态；长期记忆指跨会话持久保存的信息，如用户偏好、决策、目标和过往经验。
为什么AI智能体需要按需检索记忆而不是把所有历史都塞进提示词？
按需检索只带回与当前请求相关的信息，可以保持上下文更小，同时让智能体表现得像记得之前的交互。
如何用OpenAI Agents SDK和Mem0给智能体添加搜索和保存记忆的工具？
先安装openai-agents和mem0ai并设置API密钥，创建MemoryClient并指定USER_ID；然后用@function_tool定义search_memory（调用memory.search）和save_memory（调用memory.add），最后创建Agent并传入这两个工具。
智能体如何记住用户偏好并在重启后仍然有效？
智能体通过save_memory将偏好存入Mem0，之后用search_memory检索。因为记忆存储在Mem0中，即使Python应用重启，仍可检索到之前保存的偏好。
怎样让OpenCode编程智能体也拥有跨会话记忆？
使用Mem0官方托管的MCP服务器，通过npx mcp-add命令添加mem0-mcp（类型http，URL为https://mcp.mem0.ai/mcp，客户端为opencode），重启OpenCode后即可通过MCP工具存取记忆。
Mem0的MCP服务器提供哪些记忆操作？
Mem0的MCP服务器提供添加、搜索、获取、更新、删除记忆等操作，包括add_memory、search_memories、get_memories、update_memory、delete_memory等。
