# 1. Mem0 团队共享 AI Agent 记忆系统 Wiki

生成日期: 2026-07-08  
适用对象: 想把 Mem0 部署在服务端, 给团队成员使用的 AI Agent 提供共享长期记忆能力的团队。

## 1.1. 项目定位

Mem0 是面向 AI 应用和 AI Agent 的长期记忆层。它负责把用户偏好、项目约定、历史决策、任务经验等信息沉淀为可检索的 memory, 并在后续对话或任务中按语义搜索召回。

它不是传统笔记系统, 也不是文档知识库。更准确的定位是:

```text
AI Agent / Chatbot / Coding Assistant
        |
        | add / search / update / delete memories
        v
Mem0 Memory Service
        |
        | text facts + metadata + embeddings
        v
Postgres + pgvector
```

如果团队目标是让 Codex、Claude Code、Cursor、OpenCode、内部 Agent 等工具跨会话记住团队约定、项目背景和个人偏好, Mem0 比 Memos 这类人类笔记工具更合适。

## 1.2. 适合解决的问题

Mem0 适合:

- 给 AI Agent 增加跨会话长期记忆。
- 记住用户偏好, 如代码风格、回答偏好、常用技术栈。
- 记住项目约定, 如目录结构、测试命令、部署方式、禁用方案。
- 记住团队决策, 如某模块采用 PostgreSQL、某 API 不能变更。
- 让多个 AI 工具通过统一后端共享记忆。
- 支持按 `user_id`、`agent_id`、`app_id`、`run_id` 等维度隔离或共享记忆。
- 通过自托管 MCP、SDK 或 REST API 接入不同类型的 Agent。

不适合:

- 替代 Confluence、Notion 这类人工维护的团队知识库。
- 作为多人实时协同文档系统。
- 直接让所有团队成员手工编辑底层数据库。
- 无设计地把所有团队记忆混进一个全局池。

## 1.3. 核心功能

### 1.3.1. 记忆写入

Mem0 可以从文本或对话消息中提取记忆。常见写入内容包括:

- 用户偏好: "Alice prefers concise technical answers."
- 团队规范: "This repo uses pnpm, not npm."
- 项目决策: "Auth service uses RS256 JWT."
- 反模式: "Do not modify generated proto files manually."
- 任务经验: "The test suite requires Docker before integration tests."

写入方式:

- SDK: `MemoryClient.add(...)`
- MCP tool: `add_memories`
- 自托管 REST API

### 1.3.2. 语义搜索

Mem0 会为记忆生成 embedding, 用语义检索召回相关记忆。新版本还强调混合检索能力, 包括语义、关键词、实体和时间相关信号。

常见搜索方式:

- SDK: `MemoryClient.search(...)`
- MCP tool: `search_memory`
- 自托管 REST API

### 1.3.3. 记忆管理

支持:

- 获取单条 memory
- 列出 memories
- 更新 memory 文本
- 删除单条 memory
- 删除某个 scope 下全部 memories
- 删除 user / agent / app / run entity 及其关联 memories
- 查看请求日志和 memory dashboard, 取决于部署形态

### 1.3.4. 多维度 Scope

推荐使用多层 scope, 不要把所有信息都放在一个 `user_id` 下。

| Scope | 建议字段 | 用途 |
|---|---|---|
| 个人偏好 | `user_id=<member>` | 每个成员自己的偏好、习惯、上下文 |
| 项目记忆 | `app_id=<project>` | 项目约定、架构决策、测试方式 |
| Agent 记忆 | `agent_id=<agent>` | 某类 Agent 的行为经验 |
| 会话记忆 | `run_id=<session>` | 单次任务或临时上下文 |
| 团队共享记忆 | `user_id=<team>` 或约定的 shared scope | 团队通用规范和公共事实 |

推荐默认检索策略:

```text
当前用户个人记忆
+ 当前项目记忆
+ 团队共享记忆
+ 当前任务/会话短期记忆
```

## 1.4. 存储方式

Mem0 的 memory 不是 Markdown、JSON 或 YAML 文件。它是数据库型记忆服务。

### 1.4.1. 记忆正文

每条记忆是提取后的文本事实, 通常作为向量数据库 payload / metadata 中的 `data` 或 memory text 存储。

常见字段:

- memory 文本
- hash
- created_at
- updated_at
- text_lemmatized
- user_id
- agent_id
- app_id
- run_id
- categories
- metadata

### 1.4.2. Embedding 向量

每条记忆会对应一个 embedding 向量, 用于语义搜索。它通常是 float 数组, 存在向量数据库或 pgvector 中, 不适合人工编辑。

### 1.4.3. 历史记录

OSS library 默认有 history DB, 用于记录 ADD / UPDATE / DELETE 历史。自托管 server 场景主要使用 Postgres / pgvector。

### 1.4.4. 自托管 Server 默认栈

本地仓库的 self-hosted server 使用:

- FastAPI API 服务
- Next.js dashboard
- PostgreSQL 17
- pgvector
- API key 鉴权
- JWT dashboard 登录
- 请求日志

Docker Compose 中 Postgres 镜像为:

```text
pgvector/pgvector:pg17
```

## 1.5. 部署方式

### 1.5.1. 推荐部署选型

| 场景 | 推荐方案 |
|---|---|
| 团队生产共享记忆 | Self-hosted Mem0 Server + 自托管 MCP |
| 团队生产, 数据要放内网 | Self-hosted Mem0 Server + 内网 LLM/Embedding |
| 本地开发测试 | SDK library 或 Docker Compose |
| 完全离线部署 | Self-hosted + 本地 LLM + 本地 embedding + 内网镜像仓库 |

### 1.5.2. 操作系统支持

| 系统 | 支持情况 | 建议 |
|---|---|---|
| Linux | 支持, 最推荐 | 生产部署首选 |
| macOS | 支持 | 适合本地开发, Docker Desktop |
| Windows | 支持 | 建议 WSL2 + Docker Desktop |

生产环境建议使用 Linux 服务器。

## 1.6. 自托管 Server 安装部署

以下基于本地仓库 `server/README.md` 和 `server/docker-compose.yaml`。

### 1.6.1. 前置条件

服务器建议:

- Linux
- Docker
- Docker Compose
- 可访问 LLM / embedding provider, 或已配置本地模型
- 至少一个持久化磁盘卷给 Postgres

### 1.6.2. 最小部署流程

```bash
cd server
cp .env.example .env
```

编辑 `.env`, 至少设置:

```bash
POSTGRES_PASSWORD=<strong-password>
OPENAI_API_KEY=<your-openai-key>
JWT_SECRET=<random-secret>
ADMIN_API_KEY=<optional-admin-bootstrap-key>
AUTH_DISABLED=false
MEM0_TELEMETRY=false
```

启动:

```bash
cd server
make bootstrap
```

或浏览器初始化:

```bash
cd server
make up
```

默认地址:

```text
Dashboard: http://localhost:3000
API:       http://localhost:8888
OpenAPI:   http://localhost:8888/docs
```

生产环境一般需要反向代理:

```text
https://mem0.example.com        -> dashboard
https://mem0-api.example.com    -> API
```

### 1.6.3. 认证与安全默认值

自托管 server 默认:

- Dashboard 使用 JWT 登录。
- 程序访问使用 `X-API-Key`。
- Auth 默认启用。
- `AUTH_DISABLED=true` 只适合本地开发, 不应在生产使用。
- Dashboard 可以创建、标记、撤销 API keys。
- Requests 页面可以查看 API 请求审计日志。

### 1.6.4. 运维注意事项

需要关注:

- Postgres 数据卷备份。
- API key 管理和撤销。
- 请求日志增长, 建议定期 prune。
- LLM / embedding provider 的密钥和费用。
- 如果完全内网部署, 要替换默认 OpenAI 模型为本地 LLM 和本地 embedding。
- 如果启用 telemetry, 会发送匿名事件。内网或合规环境建议关闭 `MEM0_TELEMETRY=false`。

### 1.6.5. 完全离线部署注意事项

完全离线部署不是只启动 Docker Compose 就结束, 还需要:

- 准备内网 Docker 镜像。
- 使用本地 LLM, 如 Ollama、vLLM、私有模型服务。
- 使用本地 embedding 模型。
- 确认 mem0 server 镜像包含对应 provider 依赖。
- 禁止外部 telemetry。
- 禁止依赖外部托管 MCP, 使用自托管 OpenMemory MCP 路径接入。

## 1.7. 自托管 MCP 访问方式

自托管 OpenMemory MCP 的用户身份不是由 Agent 每次调用 tool 时传入, 而是从 MCP URL path 中解析。

当前本地实现的 Streamable HTTP 路由是:

```text
/mcp/{client_name}/http/{user_id}
```

示例:

```text
http://mem0-api.example.com/mcp/codex/http/team-default
```

服务端会解析为:

```text
client_name = codex
user_id     = team-default
```

后续 MCP tool 内部通过 context variable 读取 `user_id` 和 `client_name`, Agent 调用 tool 时不需要再传 `user_id`。

SSE 路由也支持同样的路径语义:

```text
/mcp/{client_name}/sse/{user_id}
```

团队共享场景建议固定使用团队级 `user_id`, 例如:

```text
/mcp/codex/http/team-default
/mcp/claude-code/http/team-default
```

个人隔离场景可以给每个成员配置独立 URL:

```text
/mcp/codex/http/alice
/mcp/codex/http/bob
```

安全建议:

- 自托管 MCP 不应裸露在公网。
- 建议放在 VPN、内网网关、反向代理鉴权或零信任访问之后。
- 团队共享 URL 中的 `user_id` 相当于 memory scope, 需要统一命名和管理。
- 不建议默认使用 `run_id`, 否则记忆会被切到更细的会话分区, 后续检索容易漏掉。

## 1.8. 团队共享架构建议

### 1.8.1. 推荐架构

```text
团队成员
  |
  | Codex / Claude Code / Cursor / 内部 Agent
  v
自托管 MCP URL
  |
  | /mcp/{client_name}/http/{user_id}
  |
  v
Self-hosted Mem0 Server
  |
  v
Postgres + pgvector
```

### 1.8.2. 不推荐的架构

不建议每个团队成员或每个 Agent 各自绕过服务端 MCP, 直接散乱调用不同的 memory scope:

```text
每个 Agent 自己随意传 user_id/app_id
  |
  | 无统一 scope 命名
  v
共享 memory 混乱、难审计、难删除
```

生产环境建议由管理员在 MCP URL 中固定 `client_name` 和 `user_id`, 让 Agent 只调用工具本身。

### 1.8.3. 推荐 Scope 设计

示例:

```text
user_id = 成员 ID, 如 alice
app_id  = 项目 ID, 如 billing-service
agent_id = 工具 ID, 如 codex
run_id = 单次任务 ID, 如 task-20260708-001
```

团队公共记忆可以使用:

```text
user_id = team-default
app_id = <project>
```

或业务后端自定义:

```text
metadata.scope = "team"
metadata.team_id = "platform"
metadata.project_id = "billing-service"
```

关键原则:

- 个人偏好和团队事实分开。
- 项目记忆和全局团队规范分开。
- 写入团队共享记忆需要规则, 例如明确命令、审批或特定 metadata。
- 删除操作必须谨慎, 团队共享 scope 不应允许普通 Agent 批量删除。

## 1.9. SDK 能力

### 1.9.1. Python

安装:

```bash
pip install mem0ai
```

OSS self-hosted library:

```python
from mem0 import Memory

memory = Memory()
memory.add("We use pnpm in this repo.", user_id="team-default")
memory.search("package manager", user_id="team-default")
```

### 1.9.2. TypeScript / JavaScript

安装:

```bash
npm install mem0ai
```

常见用途:

- Node.js Agent 后端。
- Next.js API routes。
- 服务端任务调度。

注意: API key 不应放在浏览器端。

## 1.10. 自托管 MCP 能力

本方案使用自托管 OpenMemory MCP, 不依赖外部托管 MCP, 也不要求 Agent 每次调用 tool 时传 `user_id`。

### 1.10.1. MCP URL 约定

Streamable HTTP 路由:

```text
/mcp/{client_name}/http/{user_id}
```

SSE 路由:

```text
/mcp/{client_name}/sse/{user_id}
```

`client_name` 表示调用来源或应用名, 例如:

```text
codex
claude-code
cursor
team-agent
```

`user_id` 表示记忆归属 scope, 例如:

```text
team-default
alice
bob
platform-team
```

团队共享推荐:

```text
http://mem0-api.example.com/mcp/codex/http/team-default
http://mem0-api.example.com/mcp/claude-code/http/team-default
```

个人隔离推荐:

```text
http://mem0-api.example.com/mcp/codex/http/alice
http://mem0-api.example.com/mcp/codex/http/bob
```

### 1.10.2. user_id 如何生效

自托管 MCP server 从 URL path 中取值:

```text
/mcp/{client_name}/http/{user_id}
```

例如:

```text
/mcp/codex/http/team-default
```

服务端解析为:

```text
client_name = codex
user_id     = team-default
```

后续所有 MCP tool 内部会从 context 中读取这两个值:

```text
user_id_var    -> team-default
client_name_var -> codex
```

Agent 调用工具时只需要传业务参数, 不需要再传 `user_id`。

### 1.10.3. 自托管 MCP 工具清单

本地 `openmemory/api/app/mcp_server.py` 实现的 MCP tools:

| MCP Tool | 参数 | 作用 |
|---|---|---|
| `add_memories` | `text`, `infer` | 添加 memory, `infer=false` 时按原文保存 |
| `search_memory` | `query` | 搜索当前 URL scope 下可访问 memories |
| `list_memories` | 无 | 列出当前 URL scope 下可访问 memories |
| `delete_memories` | `memory_ids` | 删除指定 memory IDs |
| `delete_all_memories` | 无 | 删除当前用户可访问的 memories |

这些工具都会使用 URL 中的 `user_id` 和 `client_name` 做隔离、权限判断和访问日志记录。

### 1.10.4. Claude Code 配置示例

如果 Claude Code 使用自定义 MCP 配置, 指向自托管 URL:

```json
{
  "mcpServers": {
    "mem0-team": {
      "type": "http",
      "url": "http://mem0-api.example.com/mcp/claude-code/http/team-default"
    }
  }
}
```

个人记忆隔离:

```json
{
  "mcpServers": {
    "mem0-alice": {
      "type": "http",
      "url": "http://mem0-api.example.com/mcp/claude-code/http/alice"
    }
  }
}
```

### 1.10.5. Codex 配置示例

编辑:

```text
~/.codex/config.toml
```

团队共享记忆:

```toml
[mcp_servers.mem0_team]
url = "http://mem0-api.example.com/mcp/codex/http/team-default"
```

个人记忆隔离:

```toml
[mcp_servers.mem0_alice]
url = "http://mem0-api.example.com/mcp/codex/http/alice"
```

如果你的反向代理需要鉴权, 可以在网关层配置 token、basic auth、mTLS 或 VPN。MCP URL path 本身只负责传递 `client_name` 和 `user_id`, 不应承担安全边界。

### 1.10.6. 项目共享 + 个人隔离

如果希望同时实现:

- 项目记忆团队共享。
- 项目无关记忆按用户隔离。

可以给同一个 Agent 配两个 MCP server:

```toml
[mcp_servers.project_shared_memory]
url = "http://mem0-api.example.com/mcp/codex/http/project-billing"

[mcp_servers.alice_private_memory]
url = "http://mem0-api.example.com/mcp/codex/http/alice"
```

含义:

| MCP server | URL 中的 user_id | 用途 |
|---|---|---|
| `project_shared_memory` | `project-billing` | 项目架构、测试、部署、约定、bug 经验 |
| `alice_private_memory` | `alice` | Alice 的回答偏好、个人工作习惯、非项目事实 |

Claude Code 也可以用同样思路:

```json
{
  "mcpServers": {
    "project_shared_memory": {
      "type": "http",
      "url": "http://mem0-api.example.com/mcp/claude-code/http/project-billing"
    },
    "alice_private_memory": {
      "type": "http",
      "url": "http://mem0-api.example.com/mcp/claude-code/http/alice"
    }
  }
}
```

关键点: Agent 不会天然知道该用哪个 MCP server, 必须在 `AGENTS.md`、system prompt 或团队规范里写清楚路由规则。

推荐写入 `AGENTS.md`:

```md
## Memory Routing

Use `project_shared_memory` for project-shared memory:
- architecture decisions
- coding conventions
- test and deploy commands
- API contracts
- bug fixes and debugging learnings
- repo-specific constraints

Use `alice_private_memory` for user-private memory:
- user's communication preferences
- personal coding style preferences
- preferred tools or workflow
- non-project personal facts

When searching context:
- For repo/task questions, search `project_shared_memory` first.
- For user preference or response style, search `alice_private_memory`.
- For ambiguous requests, search both.
- Never store secrets, tokens, passwords, or private credentials.
- Before writing to project-shared memory, only store durable facts useful to teammates.
```

示例路由:

| 用户表达 | 应使用的 MCP |
|---|---|
| "记住这个项目测试前要启动 Docker" | `project_shared_memory.add_memories` |
| "以后回答我尽量简短" | `alice_private_memory.add_memories` |
| "这个项目之前为什么不用 MySQL?" | `project_shared_memory.search_memory` |
| "按我的偏好帮我写提交信息" | `alice_private_memory.search_memory` |
| "继续上次的修复" | 两个都搜, 项目优先 |
| "记住我的 token 是..." | 不写入任何 memory |

如果后续希望完全自动判断写入位置, 可以二开一个 memory-router MCP, 由服务端根据内容分类把 memory 写到项目 scope 或个人 scope。当前不二开的方案, 用清晰的 MCP server 名称 + AGENTS.md 路由规则即可。

### 1.10.7. 调用示例

添加记忆时, Agent 只需要调用:

```json
{
  "text": "团队默认使用 pnpm",
  "infer": false
}
```

搜索时:

```json
{
  "query": "项目使用什么包管理器"
}
```

服务端会自动把这些调用落到 URL 对应的 scope:

```text
client_name = codex
user_id = team-default
```

### 1.10.8. 验证方式

验证步骤:

1. 配置 Agent 的 MCP URL 为 `/mcp/{client_name}/http/{user_id}`。
2. 重启 Agent 客户端。
3. 查看 MCP tools 是否出现 `add_memories`、`search_memory`、`list_memories`。
4. 调用 `add_memories` 保存一条测试记忆。
5. 调用 `search_memory` 搜索刚才的内容。
6. 登录 dashboard, 查看 memory、request log 和 access log。

如果返回:

```text
Error: user_id not provided
```

说明 MCP URL 没有按 `/mcp/{client_name}/http/{user_id}` 配置。

如果返回:

```text
Error: client_name not provided
```

说明 URL 中缺少 `{client_name}`。

## 1.11. 管理与运维建议

### 1.11.1. Scope 命名

推荐固定命名:

| 用途 | 示例 |
|---|---|
| 团队共享 | `team-default` |
| 平台团队 | `platform-team` |
| 项目团队 | `billing-team` |
| 个人 | `alice`, `bob` |

`client_name` 推荐使用 Agent 或调用方名称:

| 调用方 | client_name |
|---|---|
| Codex | `codex` |
| Claude Code | `claude-code` |
| Cursor | `cursor` |
| 内部 Agent | `team-agent` |

### 1.11.2. 安全边界

自托管 MCP URL 中包含 `user_id`, 但这不是认证手段。生产环境必须额外配置:

- VPN 或内网访问。
- 反向代理鉴权。
- mTLS 或网关 token。
- 访问日志和异常告警。
- 对 `delete_all_memories` 这类破坏性工具做网关级限制或审计。

### 1.11.3. 备份与清理

需要定期处理:

- Postgres 数据备份。
- request logs 清理。
- memory 质量审查。
- 误写入 memory 的删除流程。
- 团队共享 scope 的变更记录。

## 1.12. Skills 清单和使用场景

Mem0 仓库里的 `skills/` 是给 AI 编程助手使用的说明包, 不是 Mem0 服务端的 runtime 功能。本自托管 MCP 方案主要关注 SDK、集成和验证相关 skill。

### 1.12.1. 主 skills

| Skill | 作用 | 使用场景 |
|---|---|---|
| `mem0` | Mem0 SDK 参考, 覆盖 Python、TypeScript、OSS 和框架集成 | 写代码接入 Mem0 memory |
| `mem0-vercel-ai-sdk` | Vercel AI SDK provider | Next.js / Vercel AI SDK 项目用 `createMem0` 自动检索和写入 memory |
| `mem0-integrate` | 将 Mem0 接入已有项目的 TDD 流水线 | 让 AI 助手给已有后端项目加 memory |
| `mem0-test-integration` | 验证 `mem0-integrate` 的集成结果 | 跑测试、静态检查、真实 API smoke test |

### 1.12.2. 什么时候用哪个 skill

| 你的目标 | 推荐 skill |
|---|---|
| 手写 Python / TypeScript Agent memory 逻辑 | `mem0` |
| 给 Next.js / Vercel AI SDK Agent 加 memory | `mem0-vercel-ai-sdk` |
| 让 AI 助手自动把 Mem0 接到已有后端项目 | `mem0-integrate` |
| 接入后做验证 | `mem0-test-integration` |
| 给 Codex/Claude/Cursor 这类现有 Agent 使用 memory | 优先配置自托管 MCP URL |

### 1.12.3. Plugin skills

`integrations/mem0-plugin/skills/` 下还有面向插件 slash command 的 skills。它们主要服务于 AI 编程工具中的 `/mem0:*` 命令。

| Plugin skill | 作用 |
|---|---|
| `onboard` | 项目首次初始化 |
| `remember` | 显式保存 memory |
| `context-loader` | 任务开始前搜索并注入相关 memories |
| `peek` | 快速搜索 |
| `tour` | 浏览当前项目所有 memories |
| `stats` | 查看统计 |
| `health` | 诊断连接和读写 |
| `forget` | 删除 memory |
| `pin` | 保护关键 memory |
| `dream` | 整理、合并、清理 memory |
| `export` | 导出 Markdown |
| `import` | 导入 Markdown / MEMORY.md |
| `list-projects` | 查看有哪些项目有 memories |
| `switch-project` | 切换项目 scope 或启用 global search |
| `memory-reviewer` | 审计重复、矛盾、低质量、过期 memories |

## 1.13. Vercel AI SDK 集成

如果团队 Agent 使用 Vercel AI SDK, 可使用:

```bash
npm install @mem0/vercel-ai-provider ai
```

示例:

```typescript
import { generateText } from "ai";
import { createMem0 } from "@mem0/vercel-ai-provider";

const mem0 = createMem0();

const { text } = await generateText({
  model: mem0("gpt-5-mini", { user_id: "alice" }),
  prompt: "Recommend a restaurant",
});
```

工作流程:

1. 调用 Mem0 search 检索相关 memories。
2. 把 memories 注入 system prompt。
3. 调用底层 LLM 生成回答。
4. 异步把对话写回 Mem0。

## 1.14. 团队使用规范建议

### 1.14.1. 写入规则

建议把 memory 分为几类:

| 类型 | 示例 | 写入规则 |
|---|---|---|
| `decision` | "Auth uses RS256" | 需要明确决策来源 |
| `convention` | "Use pnpm" | 可由团队约定或项目文件导入 |
| `anti_pattern` | "Do not edit generated files" | 发生错误后记录 |
| `task_learning` | "Integration tests need Docker" | 任务结束后自动或手动记录 |
| `user_preference` | "Alice prefers short answers" | 只写个人 scope |
| `security_constraint` | "Never log tokens" | 建议 pin |

### 1.14.2. 共享记忆写入建议

不要让 Agent 自动把所有内容写入团队共享 scope。推荐:

- 个人记忆可以自动写。
- 项目记忆可以半自动写, 但要标注 `source` 和 `confidence`。
- 团队共享记忆应显式触发, 如 `/mem0:remember` 或专门命令。
- 安全、架构、部署类关键 memory 应 pin。
- 定期运行 memory reviewer / dream。

### 1.14.3. 删除规则

删除操作建议:

- 普通成员只删除自己的 personal memories。
- 项目 memories 删除需要确认。
- 团队共享 memories 删除应有管理员权限或审计。
- `delete_all_memories` 只能由管理员使用。

## 1.15. 与 Memos 的区别

| 对比项 | Mem0 | Memos |
|---|---|---|
| 面向对象 | AI Agent / AI 应用 | 人类用户笔记 |
| 核心能力 | 记忆提取、embedding、语义检索、Agent 接入 | Markdown 笔记、时间线、Web UI |
| 团队共享 | 通过 API scope 和 Agent 工具共享 | 多用户笔记空间 |
| 数据形态 | 数据库 + 向量 + metadata | Markdown-like content + 应用数据库 |
| 是否适合作为 Agent 共享记忆 | 是 | 不推荐作为主记忆层 |
| 是否适合作人工知识库 | 辅助 | 更适合 |

推荐组合:

```text
Mem0 负责 AI Agent 长期记忆
Memos 负责人类可读的团队笔记和轻量知识库
```

## 1.16. 上线检查清单

上线前确认:

- [ ] 使用 self-hosted Mem0 Server。
- [ ] 定义 MCP URL 中的 `client_name` / `user_id` 命名规则。
- [ ] 设计团队共享 `user_id`, 例如 `team-default`。
- [ ] 设计个人记忆和团队记忆的隔离策略。
- [ ] 如需项目共享 + 个人隔离, 为 Agent 配置两个 MCP server: `project_shared_memory` 和 `<user>_private_memory`。
- [ ] 在 `AGENTS.md` 或 system prompt 中写明 memory routing 规则。
- [ ] 配置 MCP 访问安全边界, 如 VPN、反向代理鉴权、mTLS 或网关 token。
- [ ] 配置 Postgres 数据备份。
- [ ] 配置日志保留策略。
- [ ] 如果内网部署, 确认本地 LLM 和 embedding 可用。
- [ ] 为 Codex/Claude Code 配置 `/mcp/{client_name}/http/{user_id}` URL。
- [ ] 确认 MCP tools 出现 `add_memories`、`search_memory`、`list_memories`。
- [ ] 用 `add_memories -> search_memory -> list_memories -> delete_memories` 做 smoke test。
- [ ] 制定 memory 清理和审核周期。

## 1.17. 推荐落地方案

团队服务端共享使用时, 推荐只采用自托管 Mem0 Server + 自托管 OpenMemory MCP。

```text
Codex / Claude Code / Cursor
        |
        | MCP Streamable HTTP
        v
http://mem0-api.example.com/mcp/{client_name}/http/{user_id}
        |
        v
Self-hosted Mem0 Server
        |
        v
Postgres + pgvector
```

团队共享示例:

```text
Codex       -> /mcp/codex/http/team-default
Claude Code -> /mcp/claude-code/http/team-default
```

个人隔离示例:

```text
Alice 的 Codex -> /mcp/codex/http/alice
Bob 的 Codex   -> /mcp/codex/http/bob
```

建议:

- 团队默认先使用 `team-default` 作为共享 `user_id`。
- 如果成员个人偏好会污染团队记忆, 再增加个人 URL。
- 自托管 MCP 前面必须有内网或网关鉴权。
- 不在 Agent prompt 中反复解释 `user_id`, 因为 URL 已经固定 scope。
- 不默认使用 `run_id`, 避免记忆被切分到单次会话导致搜索不到。

## 1.18. 参考来源

本地仓库文件:

- `/Users/shinerio/Workspace/code/memory/mem0/README.md`
- `/Users/shinerio/Workspace/code/memory/mem0/server/README.md`
- `/Users/shinerio/Workspace/code/memory/mem0/server/docker-compose.yaml`
- `/Users/shinerio/Workspace/code/memory/mem0/server/.env.example`
- `/Users/shinerio/Workspace/code/memory/mem0/skills/README.md`
- `/Users/shinerio/Workspace/code/memory/mem0/integrations/mem0-plugin/README.md`

官方文档:

- Mem0 open-source overview: https://docs.mem0.ai/open-source/overview
- Mem0 self-hosted setup: https://docs.mem0.ai/open-source/setup
- Mem0 integrations: https://docs.mem0.ai/integrations
- Mem0 MCP: https://docs.mem0.ai/platform/mem0-mcp