企业官网建设流程全解析

如何把 Mem0 OSS 记忆迁移到 Mem0 Platform：导入 hosted Qdrant 数据并切换 MemoryClient

【免费下载链接】embedchainThe Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.项目地址: https://gitcode.com/GitHub_Trending/em/embedchain

如果你正在用 Mem0 开源版（OSS）的 Python SDK，且向量存储是hosted Qdrant（Qdrant Cloud），想把现有记忆数据搬到 Mem0 Platform，同时把代码从本地Memory类切换到托管的MemoryClient，这条路径可以直接执行：先用官方一行脚本把 Qdrant 中的记忆导入 Platform 账户，再升级 SDK 并改写初始化与检索调用。官方迁移文档给出的估算：基础设施与代码改动工作量约 30 分钟，支持并行运行、无强制停机（见 docs/migration/oss-to-platform.mdx）。

适用前提（来自文档）：

• OSS 侧是 Python SDK，向量存储为 hosted Qdrant。脚本目前只支持 hosted Qdrant；local Qdrant、pgvector 等其他向量存储文档标注为 “coming soon”，需要联系 Mem0 support 获取定制脚本。
• 运行环境需 bash 和 python3，支持 macOS、Linux，以及 Windows 下的 WSL/Git Bash（脚本启动时会打印这行支持范围）。
• 已有一个 Mem0 Platform 账户，且能拿到 API Key（在 Platform 的Settings > API Keys中生成）。

开始前，文档建议先梳理代码中哪里实例化Memory、哪里调用search或get_all，因为下一步要逐处改写。

把 hosted Qdrant 中的记忆导入 Platform

迁移脚本的官方入口是一条 curl 命令，它会下载并运行 scripts/oss-to-platform-migrate.sh（该文件也在本仓库中，可以下载后先审读再执行）：

curl -fsSL https://raw.githubusercontent.com/mem0ai/mem0/main/scripts/oss-to-platform-migrate.sh | bash

执行前要知道它的行为与副作用：

• 脚本分三个阶段：1) 认证 Platform 账户，2) 从 hosted Qdrant scroll 导出记忆到本地 JSON 文件，3) 通过 Platform 的/v3/memories/add/接口导入到你的 Platform 账户。也就是说，它会真实写入你的 Platform 账户数据，但不会删除或修改 Qdrant 源数据。
• 交互式运行会依次提示：Qdrant URL、Qdrant API key、collection 名（默认mem0），以及导出范围（单个user_id或整个 collection）。如果你环境里已设置了QDRANT_URL、QDRANT_API_KEY，脚本会提示是否沿用。
• 默认导出文件写入~/.mem0/migrations/mem0-qdrant-export-{时间戳}.json（可用MEM0_DIR环境变量改目录、--output改路径），文件权限设为仅当前用户可读写。
• 脚本默认发送遥测（MEM0_TELEMETRY默认为true，事件发往 PostHog）；不需要时可设置MEM0_TELEMETRY=false再运行。

非交互与参数化执行

脚本的完整参数（定义在parse_args中）适合写进一次性迁移命令，避免交互提示：

MEM0_TELEMETRY=false bash oss-to-platform-migrate.sh \ --api-key "$MEM0_API_KEY" \ --qdrant-url "$QDRANT_URL" \ --qdrant-api-key "$QDRANT_API_KEY" \ --qdrant-collection mem0 \ --user-id alex \ --yes

• --qdrant-url/--qdrant-api-key：填写你 OSSMemory配置中使用的 Qdrant Cloud 地址与 key。无交互终端时，这两项（以及--api-key/MEM0_API_KEY）必须提供，否则脚本会直接报Hosted Qdrant export requires --qdrant-url or QDRANT_URL.。
• --qdrant-collection：collection 名，缺省为mem0；也可用QDRANT_COLLECTION环境变量。
• --user-id/--agent-id/--run-id/--all：限定导出范围。无交互终端时必须四选一，否则会报Export requires --user-id, --agent-id, --run-id, or --all.。建议先用单个--user-id验证流程，再决定是否--all全量。
• --yes：发现已有有效 Platform 会话（来自--api-key、MEM0_API_KEY或已存储的 key）时不再提示直接继续。
• --auth-only、--export-only、--import-only三个模式互斥，可只跑其中一步；--import-only需配--input指向已有的迁移 JSON。
• --base-url：Platform API 基地址，缺省https://api.mem0.ai，也可用MEM0_BASE_URL环境变量或本地~/.mem0/config.json中的platform.base_url。
• 没有现成 API key 时，脚本支持邮箱验证码登录：--email you@company.com --code <验证码>，或在交互模式下输入邮箱后到收件箱取码。

脚本运行结束会打印导入摘要（由print_import_summary输出），判断是否成功就看这几个计数：

Imported: 120 Skipped existing identical: 0 Changed existing: 0 Invalid: 0 Failed: 0

Invalid指缺少user_id/agent_id/run_id等无法构造导入请求的记录；Failed是调用 Platform 接口失败的记录。这两类以及Changed existing（同一条记忆里本地 hash 与已导入的不同）会写入导出的 review 文件（{导出文件名}-import-review-{时间戳}.json），可以逐条核对。全部完成后最后一行是Migration complete.。

导入具备幂等性：每条记录会带mem0_migration_import_key元数据，重跑同一份导出文件时，hash 相同的记忆会进入Skipped existing identical而不会重复写入。

升级 SDK 并切换到 MemoryClient

数据导入完成后，代码侧的改动分三步（对应官方文档的 Migrate 小节）。

1. 安装或升级 SDK

pip install mem0ai --upgrade

最新版 SDK 同时包含 OSS 的Memory和 Platform 的MemoryClient。

2. 替换初始化

把本地Memory的配置式初始化换成MemoryClient，本地的vector_store、llm等配置不再需要（由 Platform 托管）。文档中的对照示例：

from mem0 import Memory config = { "vector_store": { "provider": "qdrant", "config": {"host": "localhost", "port": 6333} }, "llm": { "provider": "openai", "config": {"model": "gpt-4"} } } m = Memory.from_config(config)

from mem0 import MemoryClient import os # Set MEM0_API_KEY in environment or pass explicitly client = MemoryClient(api_key="m0-...")

m0-...替换为你在 Platform 生成的 API Key。迁移 skill 的补充说明（skills/mem0-oss-to-platform/references/api-mapping.md）指出：MemoryClient()不传api_key时会从环境变量MEM0_API_KEY读取；同时vector_store、llm、embedder、graph_store、history_db_path以及构造函数里的org_id/project_id都应删除（v3 中 org/project 从 API key 解析）。API key 必须来自环境变量或密钥管理，不要硬编码。

3. 改写检索调用（关键变更）

Platform 的 v2/v3 接口要求过滤参数嵌套进filters字典；search()和get_all()在顶层传user_id等实体参数会报错。同时limit参数已被top_k取代。官方对照表：

add()、delete()、delete_all()签名不变；update()在 docs/migration/oss-to-platform.mdx 中标注为 Platform 不可用，需要用 delete + add 组合替代：

# OSS: m.update(memory_id="mem_123", new_memory="Updated content") # Platform: 用 delete + add 替代 client.delete(memory_id="mem_123") client.add("Updated content", user_id="alex")

注意一处文档间差异：迁移 skill 的映射表（references/api-mapping.md，声称对应 mem0ai 2.0.x）把update列为"不变"。两份材料冲突时，建议按 skill 自身的做法用inspect.signature核对已安装 SDK 里的实际方法签名再定。

多条件检索用AND结构：

results = client.search("meeting notes", filters={ "AND": [ {"user_id": "alex"}, {"agent_id": "assistant"} ] })

行为默认值也有变化（skill 引用官方 v2→v3 指南列出）：Python 端top_k默认从 100 变为 20；新增threshold默认0.1；rerank默认从true变为false。即使调用写法等价，返回数量和排序也可能与 OSS 时期不同，验证时要意识到这一点。另外 v3 的add()只返回 ADD 事件，旧代码里针对UPDATE/DELETE事件分支的逻辑现在是死分支。

验证迁移结果

按文档给出的检查顺序确认三件事：

1. API key 可用：MemoryClient初始化后执行

   client.get_all(filters={"user_id": "test_connection"})

   应返回空列表或有效结果（文档原文：It should return an empty list or valid results）。

2. 数据已导入：对照导入摘要里的Imported计数与本地 Qdrant 中对应 scope 的记忆条数；对抽查到的单条记忆，可用client.search(query, filters={"user_id": ...})确认能检索回来。导入的记忆带有mem0_migration_source、mem0_migration_import_key等元数据，可在 Platform 侧据此确认来源。

3. 代码路径真的切走了：迁移 skill 建议的 smoke test 是走一遍add→search/get_all→delete_all（针对测试用user_id，避免误删真实数据），并确认应用入口还能运行、本地不再产生新的 mem0 存储目录（如.mem0/或本地 Qdrant 路径），以此证明记忆确实落在 Platform。

同时保留回滚手段：OSS 侧的 Qdrant 数据在迁移脚本中只被读取，未被删除。文档给出的回滚步骤是——把MemoryClient改回Memory，恢复本地向量库与 LLM 配置注释掉的配置，确认本地向量库仍在运行且可访问。

可选：让编码代理执行代码侧迁移

如果代码中 mem0 的调用点较多，文档提供了基于 agent skill 的替代路径：把下面这段 prompt 交给你的编码代理，它会基于仓库内的 skills/mem0-oss-to-platform/SKILL.md 先扫描所有 mem0 用法、生成MEM0_MIGRATION_PLAN.md供你审阅，批准后再执行改动：

Migrate my project from Mem0 OSS to the Mem0 Platform SDK using the mem0-oss-to-platform skill in the mem0ai/mem0 repo, at skills/mem0-oss-to-platform/ Get the skill whichever way is easiest: - install it: npx skills add https://github.com/mem0ai/mem0 --skill mem0-oss-to-platform - if the mem0 repo is cloned locally, read it from skills/mem0-oss-to-platform/ - otherwise fetch that folder from github.com/mem0ai/mem0 (SKILL.md + references/) Then read SKILL.md and begin the migration.

使用这条路径前，需要先把MEM0_API_KEY配好（.env或密钥管理，不写死在代码里），并留意 skill 在 references/gotchas.md 中列出的非 1:1 项：数据不随代码自动迁移（本文前半部分的脚本正是为此准备的）、数据会改存到 mem0 服务器（有数据驻留要求时要单独决策）、原来本地自选的 embedder/LLM 会被平台侧配置取代、reset()没有全局对应物需用按 scope 的delete_all代替。这些都会写进计划文档的 "Concerns" 一节由你逐条拍板，而不是代理默默处理。

边界与限制

• 当前脚本仅支持 Python OSS + hosted Qdrant；TypeScript/其他语言或本地向量库没有现成的数据导入路径，文档指引是联系 Mem0 support 获取定制脚本。
• 切换后每次记忆操作都是一次网络请求，会引入延迟、超时与限流的可能，热点路径上的调用需要考虑错误处理。
• 迁移完成后如需进一步配置 webhooks、多租户（organizations/projects）等 Platform 能力，参考 docs/migration/oss-to-platform.mdx 的 Next Steps 与 docs/api-reference.mdx。

【免费下载链接】embedchainThe Memory Layer for AI Agents - Drop-in memory infrastructure for AI agents and apps. Context that persists. Built for production.项目地址: https://gitcode.com/GitHub_Trending/em/embedchain