Token导航 LogoToken导航

Agent Skill · 研究检索

sophie-mem0(苏菲 mem0)

sophie-mem0 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

sophie-mem0 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 30,479。

总安装 2,869周安装 122GitHub Stars 公开资料未说明下载 1,005核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.1

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:sophie-mem0(苏菲 mem0)
来源仓库:https://github.com/dingdangmaoup/sophie-mem0
安装命令:
openclaw skills install sophie-mem0
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install sophie-mem0

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

企业级智能记忆系统,支持跨会话语义记忆存储与检索,实现多级长期上下文管理和自我反思学习能力。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install sophie-mem0;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

sophie-mem0 怎么安装?

在终端执行 openclaw skills install sophie-mem0。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

sophie-mem0 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

sophie-mem0 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

sophie-mem0 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

sophie-mem0 用的人多吗?

公开数据是累计安装 2,869 次,近一周安装 122 次,下载 1,005 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

sophie-mem0 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
sophie-mem0

苏菲 mem0 · 本页

2,869—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Sophie Mem0 - 智能记忆系统

企业级长期记忆系统,为OpenClaw Agent提供持久化语义记忆能力

概述

Sophie Mem0 是一款基于 mem0ai 的企业级记忆管理技能,为 Agent 提供:

  • 语义记忆存储 - 自然语言描述的记忆,自动提取关键信息
  • 跨会话持久化 - 记忆永不过期,支持长期上下文
  • 智能检索 - 语义搜索,快速定位相关记忆
  • 多级记忆 - 支持 User/Session/Agent 三级记忆体系
  • 自我反思 - Agent 可评估自身表现并从经验中学习

前置要求

必需服务

服务版本说明
Qdrant≥1.7向量数据库,存储记忆向量
Python≥3.10运行 mem0ai
mem0ai≥0.1.x记忆框架核心

依赖安装

pip install mem0ai qdrant-client

配置

1. 服务启动

# 启动 Qdrant (Docker)
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

# 验证 Qdrant 运行
curl http://localhost:6333/readyz

2. 环境配置

技能读取配置文件:~/.openclaw/workspace/mem0_config.json

{
    "vector_store": {
        "provider": "qdrant",
        "config": {
            "host": "localhost",
            "port": 6333,
            "collection_name": "sophie_memory"
        }
    },
    "llm": {
        "provider": "openai",
        "config": {
            "api_key": "YOUR_API_KEY",
            "openai_base_url": "https://open.bigmodel.cn/api/paas/v4",
            "model": "glm-4"
        }
    },
    "embedder": {
        "provider": "openai",
        "config": {
            "api_key": "YOUR_API_KEY",
            "openai_base_url": "https://open.bigmodel.cn/api/paas/v4",
            "model": "embedding-3"
        }
    }
}

3. API配置说明

LLM 模型(必须)

支持以下兼容 OpenAI 接口的模型:

模型提供商说明
glm-4智谱AI推荐,支持中文
gpt-4oOpenAI需要海外环境
gpt-4OpenAI需要海外环境
Embedder 模型(必须)
模型提供商说明
embedding-3智谱AI推荐,支持中文
text-embedding-3-smallOpenAI需要海外环境
向量数据库
数据库Provider说明
Qdrantqdrant推荐,已验证
Chromachroma需额外配置
PGVectorpgvector需PostgreSQL

使用方法

全自动模式(推荐)

Sophie可以全自动识别和存储重要记忆,无需手动触发:

# 自动监控模式 - 分析文本并自动存储
/tmp/mem0-env/bin/python3 ~/.openclaw/workspace/skills/sophie-mem0/scripts/auto_memory.py auto -t "文本内容"
自动触发场景
场景关键词/模式优先级
用户自我介绍"我叫..."、"我是..."、"我的名字叫..."高
职业/工作"在...工作"、"做...工程师"高
用户偏好"我喜欢..."、"我更偏好..."中
习惯"我通常..."、"我习惯..."中
待办/承诺"记得..."、"别忘了..."高
用户纠正"不对"、"错了"、"应该..."中
情感状态"今天有点累"、"最近很烦"低
使用示例
# 自动存储用户自我介绍
auto -t "我叫张三,在厦门工作,做应用开发"

# 自动存储用户偏好
auto -t "我喜欢喝咖啡,尤其是拿铁"

# 自动存储待办
auto -t "记得周五提醒我买火车票"

# 自动识别用户纠正
auto -t "不对,我之前说的是美式咖啡"

手动命令

命令说明示例
add添加新记忆mem0 add -t "记忆内容"
search搜索记忆mem0 search -q "关键词"
list列出所有记忆mem0 list
delete删除记忆mem0 delete -i "记忆ID"
health健康检查mem0 health

响应格式

添加记忆成功
✅ 已记住:"[记忆内容]"
   记忆ID: xxx-xxx
   创建时间: YYYY-MM-DD HH:mm:ss
搜索记忆结果
🔍 找到 X 条相关记忆:

1. [记忆内容] (相关度: 85%)
   ID: xxx | 添加于: YYYY-MM-DD

2. [记忆内容] (相关度: 72%)
   ID: xxx | 添加于: YYYY-MM-DD
无记忆结果
🔍 没有找到与"[关键词]"相关的记忆

API 参考

Python SDK

from mem0.memory.main import Memory

# 初始化
memory = Memory.from_config(config)

# 添加记忆
result = memory.add(
    text="用户喜欢喝拿铁咖啡",
    user_id="sophie"
)

# 搜索记忆
results = memory.search(
    query="用户的咖啡偏好是什么?",
    user_id="sophie"
)

# 获取所有记忆
all_memories = memory.get_all(user_id="sophie")

# 删除记忆
memory.delete(memory_id="xxx-xxx", user_id="sophie")

架构设计

┌─────────────────────────────────────────────────────────┐
│                     OpenClaw Agent                      │
├─────────────────────────────────────────────────────────┤
│  Sophie Mem0 Skill                                      │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Memory Manager                                  │   │
│  │  - 自动记忆提取                                  │   │
│  │  - 语义压缩                                     │   │
│  │  - 冲突检测                                     │   │
│  └─────────────────────────────────────────────────┘   │
│                         │                              │
│                         ▼                              │
│  ┌─────────────────────────────────────────────────┐   │
│  │  mem0ai Core                                    │   │
│  │  - 自然语言理解                                  │   │
│  │  - 记忆组织                                    │   │
│  │  - 上下文管理                                   │   │
│  └─────────────────────────────────────────────────┘   │
│                         │                              │
│           ┌─────────────┴─────────────┐              │
│           ▼                           ▼              │
│  ┌─────────────────┐     ┌─────────────────┐        │
│  │   LLM (glm-4)   │     │ Embedder        │        │
│  │   智谱AI API    │     │ (embedding-3)  │        │
│  └─────────────────┘     └─────────────────┘        │
│                         │                              │
│                         ▼                              │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Qdrant Vector Store                             │   │
│  │  - 向量存储 & 相似度检索                         │   │
│  │  - 元数据管理                                   │   │
│  └─────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────┘

安全与隐私

数据安全

  • ✅ 所有数据存储在本地 Qdrant 实例
  • ✅ API Key 通过配置文件管理,不硬编码
  • ✅ 支持私有化部署
  • ✅ 无第三方数据传输

隐私保护

  • 用户可随时删除记忆
  • 支持按记忆ID精确删除
  • 支持清空所有记忆

故障排除

Qdrant 连接失败

# 检查容器状态
docker ps | grep qdrant

# 重启 Qdrant
docker restart qdrant

# 检查端口
curl http://localhost:6333

API Key 无效

# 验证 API Key
curl -H "Authorization: Bearer YOUR_KEY" \
     https://open.bigmodel.cn/api/paas/v4/models

模型不支持

确保使用的模型名称与提供商文档一致:

  • 智谱AI: glm-4, embedding-3
  • OpenAI: gpt-4o, text-embedding-3-small

版本历史

版本日期更新内容
1.0.02026-03-25初始版本,支持 Qdrant + 智谱AI

许可证

MIT License - 可自由使用、修改和分发

作者

Sophie AI - 为 Master (Ding Dangmao) 服务 🎀

平台分布

OpenClaw

95.4%
按下载量换算959

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills