Mem0 v0.1.117 apporte une série de mises à niveau à la mémoire AI et aux flux de travail RAG : introduction de la mémoire graphique (Kuzu), extension de la prise en charge de la bibliothèque vectorielle, amélioration de l’authentification Azure Identity, amélioration de l’exportation et de la migration OpenMemory, optimisation des performances et de la stabilité de PGVector, correction de l’intégration du SDK Vercel AI et mise à jour de la documentation de support et des tableaux Kanban.
1. Aperçu rapide des points forts
de la version1. Mémoire graphique (Kuzu)
La mémoire graphique de Mem0 exprime les relations avec les graphiques, superpose la récupération vectorielle et réalise l’association multi-sauts de « concept-entité-fait », qui convient aux questions-réponses à long lien et au raisonnement de connaissance.
2. Bibliothèques vectorielles nouvelles et optimisées
Le stockage vectoriel tel que Databricks Mosaic AI a été ajouté à l’écosystème d’origine, et les détails de plusieurs bibliothèques vectorielles cloud ont été corrigés pour rendre l’indice de mémoire AI plus stable.
3. L’amélioration de l’identité Azure prend
en charge la chaîne d’authentification Azure Identity, qui permet l’accès au niveau de l’entreprise à Azure OpenAI et Azure AI Search, ne repose pas sur une seule clé et est plus conforme aux exigences de conformité.
4. OpenMemory : exportation, importation et migration
Ajout de capacités d’exportation et d’importation de mémoire, fournissant des scripts de migration pour faciliter la migration en douceur d’anciens projets ou d’autres bases de données vers OpenMemory.
5. Mise à niveau PGVector PGVector
introduit des optimisations de connexion et de configuration, et met à jour la pile de dépendances, apportant des améliorations globales en termes de vitesse et de stabilité, ce qui le rend adapté aux déploiements auto-hébergés et hybrides.
6. Correctifs et améliorations du SDK Vercel AI
L’intégration du SDK Vercel AI de Mem0 prend en charge les API auto-hébergées pour améliorer l’expérience de développement et l’observabilité des erreurs dans les scénarios d’intégration front-end et back-end.
7. Mises à jour des documents, guides et tableaux de bord
Les documents officiels, les guides d’intégration et les tableaux de bord ont été mis à jour simultanément, ce qui rend le chemin plus clair pour les novices, et la collaboration d’équipe et la gestion visuelle plus pratiques.
2. Scénarios pratiques et méthodes de jeu intégrées
1. Combinaison de mémoire graphique RAG ×
Utilisezle rappel vectoriel avant la récupération et suivez la chaîne de relation de la mémoire graphique dans l’étape de réarrangement ou de réponse, ce qui convient aux questions-réponses de haute précision telles que les affaires juridiques, la recherche financière et la base de connaissances sur les produits.
2. Azure Identity
utilise Azure Identity pour gérer les rôles et les moindres privilèges, auditer uniformément les actions de lecture et d’écriture de la mémoire AI et réduire le risque de fuite de clés.
3. Application Web et inférence en périphérie (Vercel AI SDK)
Le front-end appelle légèrement la couche mémoire Mem0, et le back-end peut choisir des API auto-hébergées, combinant la mise en cache et l’écriture par lots pour garantir une faible latence et des coûts contrôlables.
3. Liste de contrôle de la migration et de la mise en œuvre des performances
(1) Séquence de migration des données
Exportez d’abord avec OpenMemory, puis importez en fonction de la bibliothèque vectorielle cible et de la configuration de la bibliothèque, et enfin effectuez une vérification de cohérence.
(2) Points clés de la sélection de la bibliothèque de vecteurs
PGVector est le premier choix pour le faible coût et le contrôle. La simultanéité élevée native du cloud peut être considérée comme hébergée. Les redistributions complexes peuvent être combinées avec la mémoire graphique.
(3) Ensemble de trois pièces hautes performances :
écriture asynchrone et rappel par lots, mise en cache hiérarchique à chaud et à froid, et partitionnement par locataire ou projet, prenant en charge de manière stable les lectures et écritures de mémoire IA à haute concurrence.
4. Suggestions de comparaison et de sélection
1. Quand activer la mémoire graphique
Lorsque « la relation solide, le raisonnement profond et la traçabilité » sont prioritaires ; Les scénarios qui peuvent être résolus par une simple similitude sémantique sont toujours dominés par la récupération vectorielle.
2. Auto-hébergement vs garde
L’auto-hébergement peut contrôler avec précision les coûts et la conformité ; L’hébergement permet d’économiser l’exploitation et la maintenance, et se met rapidement en ligne. L’hybride est un choix réaliste pour la plupart des équipes.
3. Mem0 vs. General Storage
Mem0 fournit un modèle matérialisé et une chaîne d’outils pour la mémoire IA, réduisant ainsi le travail répétitif de « construction de votre propre SDK et couche de données ».
Foire aux questions Q
: Quelle est la valeur de la mémoire graphique pour Mem0 v0.1.117 ?
R : La mémoire graphique permet à la mémoire IA d’avoir une structure relationnelle, combinée à la récupération vectorielle, pour effectuer un raisonnement multi-sauts, améliorant considérablement la précision des problèmes complexes et la traçabilité des formes longues.
Q : Comment puis-je utiliser Azure Identity pour connecter Mem0 à mon environnement d’entreprise ?
R : L’authentification Azure OpenAI et Azure AI Search est effectuée via la chaîne d’informations d’identification d’Azure Identity, qui remplace une clé unique, facilite le RBAC et l’audit, et est conforme aux normes de sécurité de l’entreprise.
Q : OpenMemory peut-il migrer d’anciennes données en un seul clic ?
A : Prend en charge l’exportation et l’importation, et joint des scripts de migration ; Suivez l’ordre « Export-Import-Check » pour migrer en douceur les mémoires historiques de l’IA vers OpenMemory.
Q : Comment puis-je choisir entre PGVector et les bibliothèques de vecteurs managés ?
A : Rechercher des coûts contrôlables et la localisation d’abord PGVector ; Si vous avez besoin d’élasticité et de capacités d’hébergement, choisissez une bibliothèque de vecteurs cloud. Les scénarios de relation élevée recommandent de superposer la mémoire graphique.
