Mem0 v0.1.117 面向 AI 记忆与 RAG 工作流带来一系列升级：引入 Graph Memory（Kuzu），扩充向量库支持，增强 Azure Identity 认证，完善 OpenMemory 的导出与迁移，优化 PGVector 性能与稳定性，并修复 Vercel AI SDK 集成，配套文档与看板同步更新。
一、版本亮点速览
1、Graph Memory（Kuzu）
Mem0 的 Graph Memory 用图谱表达关系，叠加向量检索，实现“概念—实体—事实”的多跳关联，适合长链路问答与知识推理。
2、新增与优化的向量库
在原有生态上新增 Databricks Mosaic AI 等向量存储，并修复多家云向量库细节问题，让 AI 记忆索引更稳定。
3、Azure Identity 增强
支持 Azure Identity 认证链，面向 Azure OpenAI 与 Azure AI Search 的企业级接入，不依赖单一密钥，更符合合规要求。
4、OpenMemory：导出、导入与迁移
新增内存导出与导入能力，提供迁移脚本，方便从旧项目或其他数据库平滑迁移到 OpenMemory。
5、PGVector 升级
PGVector 引入连接与配置优化，并更新依赖栈，带来速度与稳定性的整体提升，适合自托管与混合部署。
6、Vercel AI SDK 修复与增强
Mem0 的 Vercel AI SDK 集成支持自托管 API，改善在前后端一体化场景中的开发体验与错误可观测性。
7、文档、指南与 Dashboard 更新
官方文档、集成指南与仪表板同步升级，新手路径更清晰，团队协作与可视化管理更顺手。
二、实用场景与集成打法
1、RAG × Graph Memory 组合
在检索前用向量召回，在重排或回答阶段走 Graph Memory 的关系链，适合法务、金融研究、产品知识库等高精度问答。
2、企业合规接入（Azure Identity）
通过 Azure Identity 做角色与最小权限管理，统一审计 AI 记忆的读写动作，降低密钥泄露风险。
3、Web 应用与边缘推理（Vercel AI SDK）
前端轻量调用 Mem0 记忆层，后端可选择自托管 API，结合缓存与分批写入，保证低时延与成本可控。
三、迁移与性能落地清单
（1）数据迁移顺序
先用 OpenMemory 导出，再按目标向量库与图库配置导入，最后做一次一致性校验。
（2）向量库选型要点
低成本与可控首选 PGVector；云原生高并发可考虑托管型；需要复杂重排可结合 Graph Memory。
（3）性能三件套
异步写入与批量召回、冷热分层缓存、按租户或项目拆库分片，稳定支撑高并发 AI 记忆读写。
四、对比与选型建议
1、何时启用 Graph Memory
当“关系强、推理深、可追溯”优先时启用；纯语义相似度即可解决的场景仍以向量检索为主。
2、自托管 vs 托管
自托管可精细控成本与合规；托管省运维、上线快。混合式是大多数团队的现实选择。
3、Mem0 与通用存储对比
Mem0 针对 AI 记忆提供实体化模型与工具链，减少“自己拼 SDK 与数据层”的重复工作。
常见问题解答（Q&A）
Q：Mem0 v0.1.117 的 Graph Memory 有什么价值？
A：Graph Memory 让 AI 记忆具备关系结构，结合向量检索可做多跳推理，显著提升复杂问题与长文溯源的正确性。
Q：如何用 Azure Identity 把 Mem0 接入企业环境？
A：通过 Azure Identity 的凭据链完成 Azure OpenAI 与 Azure AI Search 认证，替代单一密钥，便于 RBAC 与审计，符合企业安全规范。
Q：OpenMemory 能否一键迁移旧数据？
A：支持导出与导入，并附迁移脚本；按“导出—导入—校验”的顺序即可把历史 AI 记忆平滑迁移到 OpenMemory。
Q：PGVector 与托管向量库如何选择？
A：追求可控成本与本地化优先 PGVector；需要弹性与托管能力选云向量库；高关系场景建议叠加 Graph Memory。
