MemOS Cloud | 云平台快速开始上手教程MemOS Cloud 是行业首个云端落地的大模型记忆操作系统，我们面

logo动态.jpg

MemOS Cloud 是行业首个云端落地的大模型记忆操作系统，我们面向开发者提供托管服务，这也是将 MemOS 添加到应用程序最简单的方法。

本教程将帮助大家在几分钟内通过云平台快速接入 MemOS 的核心记忆能力。

第一步：获取并配置接口密钥 (API Key)

所有对 MemOS 云平台接口的请求都需要进行鉴权认证。

注册并登录 MemOS 云平台，此时系统已为您创建一个默认项目，从控制台复制您的默认 API Key。

1. 密钥获取

1.1 注册并登录 MemOS 云平台。

访问 MemOS 云平台：

memos-dashboard.openmem.net/quickstart/…

image (4).png

1.2 成功登陆/注册后，系统默认会为您创建一个 “默认项目”。

image (5).png

可通过快速开始页面直接复制默认项目的密钥，或通过左侧边栏的「接口密钥」管理/创建项目。

1.3 进入「接口密钥」页面复制您的默认 API Key。

image (6).png

2. 鉴权认证与环境变量配置

MemOS 接口使用 Token 方式进行认证，您需要将 API Key 放置在请求头的 Authorization 字段中。

推荐的 Python 环境变量配置

为了方便调用，建议配置以下环境变量：

变量名	示例值	说明
`MEMOS_API_KEY`	`YOUR_API_KEY`	您的接口密钥。
`MEMOS_BASE_URL`	`https://memos.memtensor.cn/api/openmem/v1`	MemOS 云平台的 API 基础地址。

代码配置示例：

import os
import requests
import json

# 1. 配置环境变量（需替换成您的实际密钥）
os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"

# 2. 定义请求头
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"
}

示例中通过环境变量读取 API Key，仅用于说明鉴权时密钥的引用方式；具体的密钥配置方式可根据实际开发和部署环境自行选择。

第二步：添加原始对话 (addMessage)

addMessage 接口（消息 API）用于将用户与系统的原始对话消息添加并储存到 MemOS 中。MemOS 会自动对这些原始对话进行抽象、加工并保存为记忆。

接口详情

URL 示例：https://memos.memtensor.cn/api/openmem/v1/add/message
核心功能：储存完整的对话记录。

示例代码

将一段对话历史注入 MemOS：

# 假设前面已完成环境变量和 headers 的配置

# 示例对话历史（你只需要把原始的对话记录给到 MemOS）
history = [
    {"role": "user", "content": "我暑假定好去广州旅游,住宿的话有哪些连锁酒店可选?"},
    {"role": "assistant", "content": "您可以考虑【七天、全季、希尔顿】等等"},
    {"role": "user", "content": "我选七天"},
]

data = {
    "user_id": "user777", # 用户唯一标识
    "conversation_id": "conv777", # 会话唯一标识
    "messages": history
}

url = f"{os.environ['MEMOS_BASE_URL']}/add/message"
res = requests.post(url=url, headers=headers, data=json.dumps(data))

print(f"addMessage result: {res.json()}")

第三步：记忆检索/查询记忆 (searchMemory)

searchMemory 接口（记忆 API）用于检索和召回与用户查询相关的记忆片段，赋能模型在生成回答时能够结合用户历史、偏好和上下文。

接口详情

URL 示例：https://memos.memtensor.cn/api/openmem/v1/search/memory
核心功能：检索召回用户的相关记忆片段。

示例代码

如何根据新的查询检索长期记忆：

# 假设前面已完成 addMessage 操作并配置好 headers

# 示例查询
query = "我十一想出去玩，推荐我没住过的酒店品牌"

data = {
    "user_id": "user777",
    "conversation_id": "conv777",
    "query": query,
}

url = f"{os.environ['MEMOS_BASE_URL']}/search/memory"
res = requests.post(url=url, headers=headers, data=json.dumps(data))

print(f"searchMemory result: {res.json()}")
# 预期返回内容会包含：事实记忆、显式偏好（如偏好七天酒店）、隐式偏好（如倾向经济型酒店）

第四步：获取原始对话 (getMessage)

getMessage 接口（消息 API）用于获取用户与系统的原始对话消息，支持储存完整的对话记录。

接口详情

URL 示例： memos.memtensor.cn/api/openmem…
核心功能：获取指定 user_id 和 conversation_id 的历史对话记录。

示例代码

# 假设前面已完成 环境变量和 headers 的配置




data = {
    "user_id": "user777",
    "conversation_id": "conv777",

}

url = f"{os.environ['MEMOS_BASE_URL']}/get/message"
res = requests.post(url=url, headers=headers, data=json.dumps(data))

print(f"getMessage result: {res.json()}")
# 预期返回内容会包含：事实记忆、显式偏好、隐式偏好