samples/mem0_1 — awesome-ai-stack

예제

Mem0 — 기억 저장·회상

실제로 실행 가능한 미니 프로젝트입니다. 받아서 Docker로 실행해 보세요.

GitHub에서 samples/mem0_1 보기 ↗

2026년 6월 28일

Mem0 — 기억 저장·회상

아주 작은 Mem0 스크립트입니다. 사용자에 대한 사실을 추가한 뒤 검색합니다. Mem0는 메시지를 간결한 사실로 추려(LLM) 저장하고, 관련된 것을 벡터 스토어에서 회상합니다. 이 설정은 OpenAI를 씁니다.

설정

cd samples/mem0_1
cp .env.sample .env
# .env 편집: OPENAI_API_KEY 설정

여기 Mem0 설정은 사실 추출과 임베딩에 OpenAI를 씁니다. 키는 platform.openai.com/api-keys에서 발급받으세요. .env는 gitignore 처리되어 있고, .env.sample만 커밋됩니다.

Docker로 실행

cd samples/mem0_1
docker build -t aas-mem0 .
docker run --rm --env-file .env aas-mem0 "what are alice's travel preferences?"

Docker로 실행 (DooD를 쓰는 devcontainer에서)

호스트 Docker 데몬과 통신하는 dev container(Docker-outside-of-Docker)에서는 위의 포그라운드 docker run이 종종 아무것도 출력하지 않고 exit 0으로 끝납니다. 하지만 실행 자체는 성공한 것입니다. 스크립트는 끝까지 실행되고 출력도 Docker가 모두 캡처하는데, 실시간 attach 스트림만 그 출력을 VM 경계에서 흘려버립니다. detached로 실행하고 로그를 따라가세요:

cd samples/mem0_1
docker build -t aas-mem0 .
docker logs -f "$(docker run -d --env-file .env aas-mem0 \
  "what are alice's travel preferences?")"

로컬에서 실행

cd samples/mem0_1
pip install -r requirements.txt
python app.py "what are alice's travel preferences?"

python-dotenv가 .env를 자동으로 불러옵니다.

실행 결과

모델과 실행마다 결과가 달라집니다 — LLM은 비결정적이라 회상되는 표현이 매번 다릅니다. 아래는 OpenAI로 추출·회상한 한 번의 실행 예입니다.

query: what are alice's travel preferences?
  - User prefers window seats when traveling and enjoys vegetarian meals.

.env.sample

# Copy this file to `.env` and add your OpenAI API key.
#   cp .env.sample .env
#
# Mem0's default config uses OpenAI for both fact extraction and embeddings.
# Get a key at https://platform.openai.com/api-keys
OPENAI_API_KEY=

app.py

"""Mem0: store a memory, then recall it.

Adds a fact for a user, then searches — Mem0 distils messages into compact
facts (with an LLM) and recalls the relevant ones (from a vector store). The
config below uses OpenAI, so set OPENAI_API_KEY.

Run:
    docker build -t aas-mem0 .
    docker run --rm --env-file .env aas-mem0 "what are alice's travel preferences?"
"""

import sys

from dotenv import load_dotenv
from mem0 import Memory

# Load .env when running locally; in Docker the key comes from --env-file.
load_dotenv()

# Pin the OpenAI models Mem0 uses (the default model rejects a custom temperature).
CONFIG = {
    "llm": {"provider": "openai", "config": {"model": "gpt-4o-mini"}},
    "embedder": {"provider": "openai", "config": {"model": "text-embedding-3-small"}},
}


def main() -> None:
    query = " ".join(sys.argv[1:]) or "what are alice's travel preferences?"
    user = "alice"

    m = Memory.from_config(CONFIG)
    m.add("I prefer window seats and vegetarian meals.", user_id=user)

    # Mem0 2.x takes the user as a filter on search.
    results = m.search(query, filters={"user_id": user})

    print(f"query: {query}")
    for r in results["results"]:
        print(f"  - {r['memory']}")


if __name__ == "__main__":
    main()

Dockerfile

# Minimal image for the Mem0 sample.
FROM python:3.13-slim

ENV PYTHONUNBUFFERED=1

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY app.py .

# Provide your config at run time (.env is NOT baked into the image):
#   docker run --rm --env-file .env aas-mem0 "<query>"
ENTRYPOINT ["python", "app.py"]