# Mem0 Chhikara et al.(2025)が開発したLLMエージェント向けメモリフレームワーク。**グラフストア**と**ベクトルストア**を組み合わせたハイブリッドストレージアーキテクチャが特徴で、事実メモリ(Semantic Memory)と経験メモリ(Episodic Memory)の双方を統一的に扱える設計になっている。(Source: [[@2025__arXiv__Memory in the Age of AI Agents]]) ## 設計概要 - **グラフストア**: エンティティ間の関係や知識グラフを表現・保持する。構造化された事実情報の管理に適する。 - **ベクトルストア**: 意味的類似度による検索(セマンティック検索)を実現する埋め込みインデックス。 - **ハイブリッド検索**: グラフの構造的検索とベクトルの意味的検索を組み合わせて関連メモリを取得する。 ## 位置づけ "Memory in the Age of AI Agents" のサーベイでは、[[MemGPT]] と並び長期メモリ管理フレームワークの代表例として取り上げられている。[[LoCoMo]] ベンチマークでの評価対象。 オープンソースとして公開されており、プロダクション利用を想定した実装指向の設計が特徴。 [[ContextPilot]](MLSys 2026)は Mem0 を LoCoMo ベンチマーク上で評価対象とし、取得済みメモリを prefix cache と整列させることで TTFT を短縮する(k=100 で 0.101s→0.055s、1.83倍)。取得メモリ間の重複が大きいエージェントメモリ用途は、コンテキストレベルの KV キャッシュ再利用と相性が良いことを示す一例。(Source: [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]]) ## 関連 - ソース: [[@2025__arXiv__Memory in the Age of AI Agents]] / [[@2026__MLSys2026__ContextPilot - Fast Long-Context Inference via Context Reuse]] - エンティティ: [[MemGPT]] / [[Yuyang Hu]] / [[National University of Singapore]] / [[ContextPilot]] - 概念: [[エージェントメモリ]]