文档中心

记忆库 Mem0

记忆检索

记忆检索能力概述

自 2026 年 07 月起，记忆库 Mem0 新实例采用全新架构，在已有向量检索的基础上，新增全文检索和混合检索能力，为您提供更灵活的检索方案选择。本文介绍相关功能及使用建议。

功能介绍

在长期记忆场景中，您可能需要从大量历史对话里快速定位某条具体信息，例如“Caroline 的生日是什么时候”或“John 的学位是什么”。全文检索正是为此而设计，它不依赖语义理解，直接通过关键词匹配，帮您精准找到包含特定词语的相关记忆。

为帮助您更好地理解全文检索的能力边界，下面将全文检索与向量检索、混合检索进行对比。

检索模式	检索方式	说明	适用场景	示例
全文检索	关键词匹配	通过匹配问题中的关键词快速定位包含特定词语的记忆。	包含人名、日期、编号等明确信息的问题	Q: “John 喜欢吃什么水果？” A：“John 说最喜欢吃苹果。” 说明通过匹配问题中的关键词“John”和“水果”，返回包含这些词语的相关记忆。
向量检索	语义理解	通过计算语义相似度进行检索，问题用词与记忆原文不一致时也能找到相关内容。	概括性、推理性问题	Q：“John 喜欢苹果吗？” A：“他说最喜欢吃红富士。”（水果） “他刚换了最新的苹果手机。”（品牌）说明两条结果均与“苹果”相关，但分别指水果和品牌。
混合检索	向量检索 + 全文检索融合	同时执行全文检索和向量检索并综合排序，兼顾精确匹配与语义泛化理解。	兼有精确查询和语义理解需求的场景	Q：“John 喜欢吃什么水果？” A：“John 说最喜欢吃苹果”，“他提过爱吃香蕉”，“他说草莓也不错”。说明通过关键字“John”、“喜欢吃”在全文检索中可以检索到“John 说最喜欢吃苹果”这一句。通过向量检索到“香蕉”、“草莓”从语义上属于“水果”一类，因此向量检索可以召回“他提过爱吃香蕉”和“他说草莓也不错”。以上即为本次检索的全部返回结果。

模式选择

可以通过字段 search_mode 的取值来切换检索模式。支持的检索方式包括全文检索、向量检索以及混合检索。

混合检索：当 search_mode取值为 mix_vector_fts时，为混合检索模式。混合检索综合了向量检索和全文检索的优势，在大多数场景下表现更稳定，建议作为默认选项。混合检索的 rrf_k 默认值为 60。

全文检索：当 search_mode取值为 full_text时，为全文检索模式。全文检索适合问题中包含明确关键词的场景。如果您的问题比较概括，建议改用向量检索或混合检索。

使用示例

以下 API 示例以调用混合检索模式为例。

注意

请将示例中的 {data_base_url} 替换为目标记忆项目的数据面服务地址；将 {project_id}替换为目标记忆的项目 ID；将 {api_key} 替换为可访问该项目的 API Key。

Native HTTP API 使用 Authorization: Bearer {api_key}，Mem0 HTTP API 使用 Authorization: Token {api_key}。

Native HTTP API

请求体

响应

响应中的 data.items 为命中记忆，混合检索中 similarity_score 是 RRF （倒数排名融合）分数。

Mem0 HTTP API

请求体

响应

/v1/search/ 与 /v2/memories/search/ 为兼容入口，可使用相同请求体。响应使用 mem0 兼容结构，主要字段为 results[].id、results[].memory 与 results[].score。

说明

Native HTTP API 与 mem0 HTTP API 为两套独立入口，根据您的接入方式选择其一即可。

最近更新时间：2026.10.28 17:08:20

这个页面对您有帮助吗？

有用

无用