MemOS-MCP

# MemOS 命令行使用指南 ## 🎯 概述 MemOS是一个智能记忆管理系统，结合了**本地向量存储**和**远程AI推理**，为你提供个性化的记忆管理和AI助手服务。 ## 🚀 快速开始 ### 1. 基础使用 ```bash # 运行基础演示 poetry run python usage_examples.py # 运行高级演示 poetry run python advanced_examples.py # 运行系统测试 poetry run python simple_test.py ``` ### 2. 核心功能 #### 📝 记忆管理 - **添加记忆**: 存储文本内容，支持标签和元数据 - **搜索记忆**: 基于向量相似度的智能搜索 - **分类管理**: 按类型、标签组织记忆 #### 🤖 AI对话 - **普通对话**: 直接与DeepSeek-V3模型对话 - **记忆增强对话**: 基于个人记忆的个性化回答 - **智能提醒**: 根据查询提供相关记忆和建议 #### 📚 专业功能 - **学习笔记**: 专门的学习内容管理 - **工作任务**: 任务管理和优先级排序 - **个人见解**: 思考和洞察的记录 ## 💻 编程接口使用 ### 基础API ```python from usage_examples import SimpleMemOS # 初始化 memos = SimpleMemOS() # 添加记忆 memory_id = memos.add_memory( content="我喜欢喝咖啡", tags=["个人偏好", "饮品"] ) # 搜索记忆 memories = memos.search_memories("咖啡", limit=5) # AI对话 response = memos.chat_with_memory("我喜欢什么饮品？", use_memory=True) ``` ### 高级API ```python from advanced_examples import AdvancedMemOS # 初始化高级版本 memos = AdvancedMemOS() # 添加学习笔记 memos.add_learning_note("Python", "学习了装饰器", "medium") # 添加工作任务 memos.add_work_task("完成项目文档", "high", "2024-01-20") # 获取学习总结 summary = memos.get_learning_summary() # 获取工作仪表板 dashboard = memos.get_work_dashboard() # 智能提醒 reminder = memos.smart_reminder("学习计划") ``` ## 🎮 交互式命令行使用 MemOS提供了两种交互式命令行模式，让你可以直接在终端中使用所有功能。 ### 基础交互模式 启动基础交互式对话： ```bash # 修改 usage_examples.py 最后一行，取消注释 # demo_interactive_chat() poetry run python usage_examples.py ``` **命令格式**： - `add:内容` - 添加记忆 - `quit` - 退出 - 其他输入 - AI对话 ### 高级交互模式 启动高级交互式助手： ```bash # 修改 advanced_examples.py 最后一行，取消注释 # demo_interactive_assistant() poetry run python advanced_examples.py ``` **命令格式**： - `add:内容` - 添加记忆 - `learn:主题:内容` - 添加学习笔记 - `work:任务:优先级` - 添加工作任务 - `remind:查询` - 智能提醒 - `summary` - 学习总结 - `dashboard` - 工作仪表板 - `quit` - 退出 ## 🔧 配置说明 ### 环境变量 在`.env`文件中配置： ```env # SiliconFlow API配置 SILICONFLOW_API_KEY=your_api_key_here SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1 # OpenAI兼容配置 OPENAI_API_KEY=your_api_key_here OPENAI_BASE_URL=https://api.siliconflow.cn/v1 ``` ### 数据存储 - **向量数据**: 存储在`./memos_data/vectors/` - **计数器**: 存储在`./memos_data/counter.txt` - **不同实例**: 可以指定不同的数据目录 ## 📊 使用场景 ### 1. 个人知识管理 - 学习笔记整理 - 读书心得记录 - 技能学习追踪 ### 2. 工作效率提升 - 任务管理 - 会议记录 - 项目进度跟踪 ### 3. 生活助手 - 个人习惯记录 - 重要信息提醒 - 日程安排建议 ### 4. 创意灵感 - 想法记录 - 灵感收集 - 创意整理 ## 🎯 最佳实践 ### 记忆添加技巧 1. **使用描述性标签**: 便于后续搜索和分类 2. **添加时间信息**: 在元数据中记录时间 3. **保持内容简洁**: 一条记忆专注一个主题 4. **定期整理**: 删除过时或重复的记忆 ### AI对话优化 1. **启用记忆模式**: 获得个性化回答 2. **明确提问**: 具体的问题得到更好的答案 3. **利用上下文**: 基于之前的记忆进行深入讨论 ### 数据管理 1. **定期备份**: 备份数据目录 2. **分类存储**: 不同用途使用不同的数据目录 3. **监控大小**: 定期清理不需要的记忆 ## 🔍 故障排除 ### 常见问题 1. **API连接失败** - 检查网络连接 - 验证API密钥 - 确认API服务状态 2. **向量搜索异常** - 检查Qdrant数据库状态 - 重新初始化集合 - 验证向量维度 3. **记忆丢失** - 检查数据目录权限 - 验证存储空间 - 查看错误日志 ### 性能优化 1. **搜索优化** - 限制搜索结果数量 - 使用精确的查询词 - 定期清理无用记忆 2. **存储优化** - 定期压缩数据库 - 删除重复记忆 - 优化向量维度 ## 📈 扩展开发 ### 自定义功能 ```python class CustomMemOS(AdvancedMemOS): def add_custom_memory_type(self, content, custom_type): metadata = {"type": custom_type} return self.add_memory(content, tags=[custom_type], metadata=metadata) ``` ### 集成其他服务 - 连接外部数据库 - 集成第三方API - 添加新的AI模型 ## 📞 支持 如有问题或建议，请： 1. 查看本文档的故障排除部分 2. 检查API文档: http://localhost:8000/docs 3. 运行测试脚本验证环境