Démarrage rapide
Découvrez les fonctionnalités essentielles de MemX en 5 minutes : installation → initialisation → écriture → recherche → consultation de l’état.
Prérequis
Python 3.9+ · pip · une API KeyAPI KeyIdentifiant secret permettant d'accéder à l'API, semblable à un mot de passe. Chaque Key peut avoir ses propres quotas et permissions.En savoir plus → Lurus (comment l’obtenir, utilisée pour l’affinage LLM en mode hybrid). Durée estimée : 5 minutes.
Choisir un mode d’intégration
MemX propose trois formes d’intégration : Python SDK / REST / MCP. Ci-dessous, une démonstration « écriture + recherche » ; choisissez la méthode qui vous convient (les paramètres sont alignés entre les trois) :
Le tutoriel pas à pas ci-dessous utilise le Python SDK comme exemple ; REST / MCP fonctionnent de la même manière.
Installation
bashpip install git+https://github.com/UU114/memx.git # 完整安装：pip install "git+https://github.com/UU114/memx.git#egg=memx[all]"Nécessite Python 3.9+. Au premier lancement, le modèle d’embedding local (environ 90 Mo) est téléchargé automatiquement dans
~/.memx/models/.Initialisation
pythonfrom memx import Memory m = Memory(config={"ace_enabled": True}) # 开启 ACE 引擎（核心功能）Une fois ACE activé, toutes les écritures et recherches passent par le pipeline intelligent ; la configuration par défaut suffit dans la plupart des cas.
Écrire une connaissance
Extraire et apprendre automatiquement des connaissances à partir d’une conversation :
python# 从一段对话中学习 result = m.add( [ {"role": "user", "content": "pytest 总是超时怎么办？"}, {"role": "assistant", "content": "试试 pytest -x --timeout=30，逐个测试跑可以定位慢的用例"} ], user_id="developer_1", scope="project:my-backend" ) print(result) # { # "ace_ingest": { # "bullets_added": 1, # "bullets_merged": 0, # "bullets_skipped": 0, # "privacy_filtered": 0 # } # }Vous pouvez aussi injecter une connaissance manuellement :
python# 手动添加一条经验 m.add( "部署前必须运行 go test -race ./... 检查竞态条件", user_id="developer_1", scope="project:my-backend", metadata={"knowledge_type": "method", "section": "workflow"} )Rechercher une connaissance
pythonresults = m.search( "pytest 调试技巧", user_id="developer_1", scope="project:my-backend" ) for item in results["results"]: print(f"[{item['score']:.2f}] {item['memory']}") # [0.87] pytest 超时问题：使用 -x --timeout=30 逐个运行定位慢用例La recherche fusionne automatiquement les résultats de quatre niveaux de recherche (exact + flou + métadonnées + sémantique), en tenant compte de la décroissance temporelle et de la correspondance de portée.
Consulter l’état de la base de connaissances
pythonstatus = m.status(user_id="developer_1") print(status) # { # "total_memories": 42, # "by_section": {"debugging": 12, "workflow": 8, "tools": 6, ...}, # "avg_decay_weight": 0.73, # "permanent_count": 5, # "archive_candidates": 2 # }
Découverte rapide via la CLI
memx status # 知识库统计
memx search "pytest 调试" # 搜索
memx learn "always use -v flag ..." # 手动添加
memx list --scope project:my-backend # 列出指定作用域
memx forget <memory-id> # 删除
memx sweep # 手动触发衰减计算
memx conflicts # 检测矛盾知识
memx export --format json > knowledge.json # 导出
memx import knowledge.json # 导入Mode de compatibilité mem0 pur
Migration transparente depuis mem0
Lorsque vous n’avez besoin que des fonctions de mémoire de base, désactivez ACE : le comportement est alors identique à 100 % à celui de mem0 (passage transparent sans surcoût quand ACE est désactivé ; vous pouvez d’abord migrer puis l’activer progressivement).
m = Memory() # ace_enabled 默认 False
m.add("some knowledge", user_id="user1")
results = m.search("query", user_id="user1")