Mem0: Memory Layer untuk Aplikasi AI yang Personalized

# Mem0: Memory Layer untuk Aplikasi AI yang Personalized Salah satu tantangan terbesar dalam membangun aplikasi AI adalah kemampuan untuk **mengingat** konteks dan preferensi pengguna lintas sesi. Se...

By Ruby Abdullah · · tutorial
Mem0AI MemoryLLMPersonalizationPython

Mem0: Memory Layer untuk Aplikasi AI yang Personalized

Salah satu tantangan terbesar dalam membangun aplikasi AI adalah kemampuan untuk mengingat konteks dan preferensi pengguna lintas sesi. Secara default, LLM seperti GPT atau Claude tidak memiliki memori persisten. Setiap percakapan dimulai dari nol. Di sinilah Mem0 hadir sebagai solusi.

Mem0 adalah memory layer open-source yang memungkinkan aplikasi AI Anda menyimpan, mengambil, dan mengelola memori secara cerdas. Dengan Mem0, chatbot Anda bisa mengingat preferensi pengguna, riwayat interaksi, dan konteks penting lainnya.

Mengapa Mem0?

Bayangkan Anda membangun AI assistant untuk customer service. Tanpa memory layer, setiap kali pelanggan menghubungi, AI harus menanyakan ulang informasi dasar. Dengan Mem0:

  • AI mengingat nama, preferensi, dan riwayat pelanggan
  • Respons menjadi lebih personal dan kontekstual
  • Pengalaman pengguna meningkat drastis
  • Efisiensi operasional meningkat

Mem0 menggunakan semantic search untuk menemukan memori yang relevan, bukan sekadar keyword matching. Ini berarti AI bisa memahami konteks dan mengambil informasi yang benar-benar relevan.

Instalasi

Pertama, install Mem0 menggunakan pip:

pip install mem0ai

Untuk menggunakan fitur lengkap dengan vector database, install juga dependensi opsional:

pip install mem0ai[qdrant]

Anda juga memerlukan API key dari OpenAI (default) atau provider LLM lainnya:

export OPENAIAPIKEY="sk-your-api-key-here"

Inisialisasi Mem0

Ada dua cara menggunakan Mem0: versi in-memory untuk development dan versi persistent untuk production.

Setup Dasar (In-Memory)

from mem0 import Memory

Inisialisasi dengan konfigurasi default

m = Memory()

Setup dengan Qdrant (Persistent)

from mem0 import Memory

config = {

"vectorstore": {

"provider": "qdrant",

"config": {

"host": "localhost",

"port": 6333,

"collectionname": "mem0memories"

}

},

"llm": {

"provider": "openai",

"config": {

"model": "gpt-4o-mini",

"temperature": 0.1

}

},

"embedder": {

"provider": "openai",

"config": {

"model": "text-embedding-3-small"

}

}

}

m = Memory.fromconfig(config)

Operasi Memori Dasar

Mem0 menyediakan empat operasi utama: add, get, search, dan delete.

Menambahkan Memori (Add)

# Menambahkan memori untuk user tertentu

result = m.add(

"Saya suka kopi hitam tanpa gula dan biasanya minum di pagi hari",

userid="user123"

)

print(result)

Output: {'results': [{'id': '...', 'memory': 'Suka kopi hitam tanpa gula', 'event': 'ADD'}]}

Mem0 secara otomatis mengekstrak informasi penting dari teks yang diberikan. Perhatikan bahwa Mem0 tidak menyimpan teks mentah, melainkan mengekstrak fakta dari teks tersebut.

Mengambil Semua Memori (Get)

# Mengambil semua memori untuk user tertentu

memories = m.getall(userid="user123")

for memory in memories:

print(f"ID: {memory['id']}")

print(f"Memory: {memory['memory']}")

print(f"Created: {memory['createdat']}")

print("---")

# Semantic search - mencari memori yang relevan

results = m.search(

"Apa minuman favorit user ini?",

userid="user123"

)

for result in results:

print(f"Memory: {result['memory']}")

print(f"Score: {result['score']}")

Search menggunakan semantic similarity, sehingga query "minuman favorit" akan menemukan memori tentang "kopi hitam" meskipun kata-katanya berbeda.

Menghapus Memori (Delete)

# Menghapus memori spesifik berdasarkan ID

m.delete(memoryid="memoryidhere")

Menghapus semua memori user

m.deleteall(userid="user123")

Artikel Terkait

Tutorial LangChain: Framework Paling Populer untuk Membangun Aplikasi LLM

Tutorial LangChain: Framework Paling Populer untuk Membangun Aplikasi LLM LangChain adalah framework open-source yang di...

Tutorial Lengkap Google Gemini API dengan Python: Dari Dasar hingga Mahir

Tutorial Lengkap Google Gemini API dengan Python: Dari Dasar hingga Mahir Google Gemini API adalah salah satu API AI pal...

Tutorial Browser-Use: Automasi Browser dengan AI Agent

Tutorial Browser-Use: Automasi Browser dengan AI Agent Pendahuluan Browser-Use adalah library Python open-source yang me...

Tutorial MLX: Framework Machine Learning Apple untuk Apple Silicon

Tutorial MLX: Framework Machine Learning Apple untuk Apple Silicon MLX adalah framework machine learning open-source dar...