AnalyticDB:AnalyticDB for MySQL + Mem0 ユーザーガイド

準備 AnalyticDB for MySQL

1. このチュートリアル用に、AnalyticDB for MySQL クラスターにデータベースを作成します。

   CREATE DATABASE mem0;

2. パブリックネットワーク経由で接続する予定がある場合は、AnalyticDB for MySQL コンソールでクラスターのパブリックネットワークアクセスを有効にし、デモ環境のパブリック IP アドレスをホワイトリストに追加します。

Mem0 と依存関係のインストール

1. Python 環境の確認: Python が環境にインストールされていることを確認します。このチュートリアルは Python 3.12.2 で検証済みです。

   # Mac の場合、Python のバージョンを確認します。インストールされていない場合は、https://www.python.org/ からインストールします。
   python3 --version
   
   # Linux の場合、Python のバージョンを確認します。インストールされていない場合は、yum を使用してインストールします: sudo yum install python
   python --version

2. Mem0 フレームワークのインストール: 取得した Mem0 フレームワークファイルを解凍し、必要な依存ライブラリをインストールします。

   # 解凍してインストール
   unzip mem0.zip 
   cd mem0
   pip install .
   pip install pymysql dbutils

環境変数の構成:

セキュリティのため、大規模言語モデル (LLM) API キーを環境変数として構成します。

echo "export DASHSCOPE_API_KEY='<YOUR_DASHSCOPE_API_KEY>'" >> ~/.bashrc
# オプション。デフォルトはシンガポールです。
echo "export DASHSCOPE_BASE_URL='https://dashscope-intl.aliyuncs.com/compatible-mode/v1'" >> ~/.bashrc   

source ~/.bashrc

# 効果があったか確認
echo $DASHSCOPE_API_KEY
echo $DASHSCOPE_BASE_URL  

Mem0 インスタンスの初期化:

Python スクリプトで、Memory インスタンスを構成および初期化します。

• LLM 構成: Alibaba Cloud Model Studio の qwen-plus モデルを使用します。

• エンベッダー構成: Alibaba Cloud Model Studio の text-embedding-v4 モデルを使用し、ベクトル次元は 1536 です。

• ベクターストア構成: aliyun_adb を使用し、AnalyticDB for MySQL の接続情報を入力します。

from mem0 import Memory

# この例では、1536 ベクトル次元が指定された ADB インスタンスに接続する必要があります。
config = {
    "llm": {
        "provider": "bailian",
        "config": {"model": "qwen-plus"},
    },
    "embedder": {
        "provider": "bailian",
        "config": {"model": "text-embedding-v4", "embedding_dims": 1536},
    },
    "vector_store": {
        "provider": "aliyun_adb",
        "config": {
            "host": "<adb host>",
            "port": 3306,
            "database": "mem0",
            "user": "<your user name>",
            "password": "<your password>",
            "collection_name": "adb_mem0_demo"
        }
    }
}


"""
Mike と Julia という 2 人のユーザーがいると仮定します。
1、Mike は菜食主義者で、果物とバスケットボールが好きです。
2、Julia は肉食主義者で、ステーキとバドミントンが好きです。
"""

m = Memory.from_config(config_dict=config)

メモリの追加と取得:

m.add() メソッドを使用してユーザーのメモリを追加し、m.get_all() メソッドを使用してユーザーのすべてのメモリを取得します。

• コード

  # Mike のメモリを追加
  result = m.add("I'm a vegetarian", user_id="Mike")
  memory_id = result["results"]["id"]
  print("add a memory for Mike:" + "I'm a vegetarian" + ", result => ", result , "\n")
  
  
  result = m.add("I like durian", user_id="Mike")
  print("add a memory for Mike:" + "I like durian" + ", result => " , result , "\n")
  
  # ユーザーのすべてのメモリを取得
  result = m.get_all(user_id="Mike")
  print("Get all memories for a user:" + "Mike" + ", result => " , result , "\n")

• 結果分析
  返された結果は、Mike の 2 つのメモリと、ID、コンテンツ、作成時間などのメタデータを含むリストです。
  
  

  add a memory for Mike:I'm a vegetarian, result =>  {'results': [{'id': '32ac2932-10da-422b-beba-bb5a2b4666aa', 'memory': "I'm a vegetarian", 'event': 'ADD'}]} 
  
  add a memory for Mike:I like durian, result =>  {'results': [{'id': '40098c00-9f96-4486-af8b-5c79612fea10', 'memory': 'I like durian', 'event': 'ADD'}]} 
  
  Get all memories for a user:Mike, result =>  {'results': [{'id': '40098c00-9f96-4486-af8b-5c79612fea10', 'memory': 'I like durian', 'hash': 'dfd43e3d0a6ddc82cda440e0a1d39e7f', 'metadata': None, 'created_at': '2025-10-29T20:52:54.156926-07:00', 'updated_at': None, 'user_id': 'Mike'}, {'id': '32ac2932-10da-422b-beba-bb5a2b4666aa', 'memory': "I'm a vegetarian", 'hash': '27f3478f622dd27dd71969f131bd886f', 'metadata': None, 'created_at': '2025-10-29T20:52:51.126628-07:00', 'updated_at': None, 'user_id': 'Mike'}]} 

メモリの更新と削除:

Mem0 は、メモリ ID による手動削除、または新しいメモリを追加する際の自動競合解決をサポートしています。

• コード

  result = m.delete(memory_id=memory_id)
  print("Manual Delete a memory:" + "I like durian" + ", result => " , result , "\n")
  
  result = m.add("I hate things that taste like durian", user_id="Mike")
  print("Automatic Delete a contradictory historical memory for Mike:" + "I like durian" + ", result => " , result , "\n")
  
  # ユーザーのすべてのメモリを取得
  result = m.get_all(user_id="Mike")
  print("Get all memories for a user:" + "Mike" + ", result => " , result , "\n")

• 結果分析

  Manual Delete a memory:I like durian, result =>  {'message': 'Memory deleted successfully!'} 
  
  Automatic Delete a contradictory historical memory for Mike:I like durian, result =>  {'results': [{'id': 'dc308443-ae8c-4cb3-851f-060adfc39eaf', 'memory': 'I like durian', 'event': 'DELETE'}]} 
  
  Get all memories for a user:Mike, result =>  {'results': []} 

  • 競合するメモリを追加すると、add メソッドの戻り結果に DELETE イベントが含まれ、古い競合するメモリ ("I like durian") が自動的に削除されたことを示します。

  • 再度 get_all を呼び出すと、古いメモリが存在しなくなり、Mem0 の適応性と自己整合性機能が実証されます。

メモリの取得と検索:

Mem0 は、メタデータを使用した正確なフィルター済み取得と、セマンティクスを使用した類似検索をサポートしています。

1. データ準備: Mike と Julia の agent_id と metadata を使用してメモリを追加します。

   • コード

     # Mike のメモリ
     result = m.add("I'm a vegetarian", user_id="Mike", agent_id="diet-assistant")
     print("add a memory for Mike:" + "I'm a vegetarian" + ", result => ", result , "\n")
     
     result = m.add("I like durian, watermelon and strawberries", user_id="Mike", metadata={"category": "hobbies"})
     print("add a memory for Mike with meta:" + "I like durian, watermelon and strawberries" + ", result => " , result , "\n")
     
     result = m.add("I like playing basketball", user_id="Mike", agent_id="fitness-assistant")
     print("add a memory for Mike:" + "I like playing basketball" + ", result => " , result , "\n")
     
     
     # Julia のメモリ
     result = m.add("I'm a carnivore", user_id="Julia", agent_id="diet-assistant")
     print("add a memory for Julia:" + "I'm a carnivore" + ", result => " , result , "\n")
     
     result = m.add("I like steak", user_id="Julia", metadata={"category": "hobbies"})
     print("add a memory for Julia:" + "I like steak" + ", result => " , result , "\n")
     
     result = m.add("I like playing badminton", user_id="Julia", agent_id="fitness-assistant")
     print("add a memory for Julia:" + "I like playing badminton" + ", result => " , result , "\n")
     

   • 結果分析

     add a memory for Mike:I'm a vegetarian, result =>  {'results': [{'id': 'a0fadb7e-c6b7-46b2-b0b8-6b036d879015', 'memory': "I'm a vegetarian", 'event': 'ADD'}]} 
     
     add a memory for Mike with meta:I like durian, watermelon and strawberries, result =>  {'results': [{'id': 'efec6c25-c2a7-454f-8344-367018c5b607', 'memory': 'I like durian, watermelon and strawberries', 'event': 'ADD'}]} 
     
     add a memory for Mike:I like playing basketball, result =>  {'results': [{'id': '75da451c-dbf7-45aa-b9ab-72aab54df7b8', 'memory': 'I like playing basketball', 'event': 'ADD'}]} 
     
     add a memory for Julia:I'm a carnivore, result =>  {'results': [{'id': '93a03639-195e-40ef-9f5f-55d366b76333', 'memory': "I'm a carnivore", 'event': 'ADD'}]} 
     
     add a memory for Julia:I like steak, result =>  {'results': [{'id': 'e30faceb-ba71-4b27-b052-28863f26abf9', 'memory': 'I like steak', 'event': 'ADD'}]} 
     
     add a memory for Julia:I like playing badminton, result =>  {'results': [{'id': '90d45867-b198-415f-99e8-7375b4c6c35b', 'memory': 'I like playing badminton', 'event': 'ADD'}]} 

2. 正確なフィルター済み取得: get_all メソッドを使用し、フィルター条件を渡します。

   • コード

     # ユーザーに属する特定のエージェントのすべてのメモリを取得
     result = m.get_all(user_id="Mike", agent_id="fitness-assistant")
     print("Get all memories for a specific agent belonging to a user:" + "Mike" + ", result => " , result , "\n")
     
     
     # フィルター付きでユーザーに属するすべてのメモリを取得
     result = m.get_all(user_id="Julia", filters={"category": "hobbies"})
     print("Get all memories belonging to a user with filter:" + "Julia" + ", result => " , result , "\n")

   • 結果分析

     Get all memories for a specific agent belonging to a user:Mike, result =>  {'results': [{'id': '75da451c-dbf7-45aa-b9ab-72aab54df7b8', 'memory': 'I like playing basketball', 'hash': '000b24fa8e8f76134286d2c4626c036d', 'metadata': None, 'created_at': '2025-10-30T00:13:08.390949-07:00', 'updated_at': None, 'user_id': 'Mike', 'agent_id': 'fitness-assistant'}]} 
     
     Get all memories belonging to a user with filter:Julia, result =>  {'results': [{'id': 'e30faceb-ba71-4b27-b052-28863f26abf9', 'memory': 'I like steak', 'hash': '6e7129fc2010e93e94c943dbf6f69246', 'metadata': {'category': 'hobbies'}, 'created_at': '2025-10-30T00:13:14.631531-07:00', 'updated_at': None, 'user_id': 'Julia'}]} 

3. 類似検索: search メソッドを使用してセマンティック検索を行います。結果は類似度スコア (score) の降順でソートされます。

   • コード

     # ユーザーのメモリを検索
     result = m.search("Who likes playing badminton better", agent_id="fitness-assistant")
     print("Search memories:" + "Who likes playing badminton better" + ", result => " , result , "\n")
     
     # ユーザーに属する特定のエージェントのメモリを検索
     result = m.search("Who will celebrate on International Vegetarian Day", agent_id="diet-assistant")
     print("Search memories:" + "Who will celebrate on International Vegetarian Day" + ", result => " , result , "\n")
     
     # ユーザーのメモリを検索
     result = m.search("what kind of fruit do you like", user_id="Mike")
     print("Search memories:" + "what kind of fruit do you like." + ", result => " , result , "\n")
     
     # ユーザーのメモリを検索
     result = m.search("what sport do you like", user_id="Julia", agent_id="fitness-assistant")
     print("Search memories:" + "what sport do you like." + ", result => " , result , "\n")
     

   • 結果分析

     Search memories:Who likes playing badminton better, result =>  {'results': [{'id': '90d45867-b198-415f-99e8-7375b4c6c35b', 'memory': 'I like playing badminton', 'hash': '304d03421834255d1650b46877b3785b', 'metadata': None, 'score': 0.82532454, 'created_at': '2025-10-30T00:13:18.218251-07:00', 'updated_at': None, 'user_id': 'Julia', 'agent_id': 'fitness-assistant'}, {'id': '75da451c-dbf7-45aa-b9ab-72aab54df7b8', 'memory': 'I like playing basketball', 'hash': '000b24fa8e8f76134286d2c4626c036d', 'metadata': None, 'score': 0.56634325, 'created_at': '2025-10-30T00:13:08.390949-07:00', 'updated_at': None, 'user_id': 'Mike', 'agent_id': 'fitness-assistant'}]} 
     
     Search memories:Who will celebrate on International Vegetarian Day, result =>  {'results': [{'id': 'a0fadb7e-c6b7-46b2-b0b8-6b036d879015', 'memory': "I'm a vegetarian", 'hash': '27f3478f622dd27dd71969f131bd886f', 'metadata': None, 'score': 0.5640734, 'created_at': '2025-10-30T00:13:01.011810-07:00', 'updated_at': None, 'user_id': 'Mike', 'agent_id': 'diet-assistant'}, {'id': '93a03639-195e-40ef-9f5f-55d366b76333', 'memory': "I'm a carnivore", 'hash': '5f81d3e6f06baba2e10ec6c155d012e3', 'metadata': None, 'score': 0.41749594, 'created_at': '2025-10-30T00:13:11.462159-07:00', 'updated_at': None, 'user_id': 'Julia', 'agent_id': 'diet-assistant'}]} 
     
     Search memories:what kind of fruit do you like., result =>  {'results': [{'id': 'efec6c25-c2a7-454f-8344-367018c5b607', 'memory': 'I like durian, watermelon and strawberries', 'hash': '07cc049e2beaa043bb359b50a33664ac', 'metadata': {'category': 'hobbies'}, 'score': 0.6519712, 'created_at': '2025-10-30T00:13:04.981195-07:00', 'updated_at': None, 'user_id': 'Mike'}, {'id': '75da451c-dbf7-45aa-b9ab-72aab54df7b8', 'memory': 'I like playing basketball', 'hash': '000b24fa8e8f76134286d2c4626c036d', 'metadata': None, 'score': 0.3975049, 'created_at': '2025-10-30T00:13:08.390949-07:00', 'updated_at': None, 'user_id': 'Mike', 'agent_id': 'fitness-assistant'}, {'id': 'a0fadb7e-c6b7-46b2-b0b8-6b036d879015', 'memory': "I'm a vegetarian", 'hash': '27f3478f622dd27dd71969f131bd886f', 'metadata': None, 'score': 0.3382097, 'created_at': '2025-10-30T00:13:01.011810-07:00', 'updated_at': None, 'user_id': 'Mike', 'agent_id': 'diet-assistant'}]} 
     
     Search memories:what sport do you like., result =>  {'results': [{'id': '90d45867-b198-415f-99e8-7375b4c6c35b', 'memory': 'I like playing badminton', 'hash': '304d03421834255d1650b46877b3785b', 'metadata': None, 'score': 0.61615115, 'created_at': '2025-10-30T00:13:18.218251-07:00', 'updated_at': None, 'user_id': 'Julia', 'agent_id': 'fitness-assistant'}]} 

     • バドミントンの検索: agent_id はスポーツ関連以外のメモリを除外します。「I like playing badminton」が最も高いスコアを持ち、結果の最初にランク付けされます。

     • ベジタリアンデーの検索: agent_id は食事関連以外のメモリを除外します。「I'm a vegetarian」が最も高いスコアを持ち、結果の最初にランク付けされます。

     • Mike の果物の好みの検索: user_id は Julia のメモリを除外します。「I like durian, watermelon and strawberries」が最も高いスコアを持ちます。

     • Julia のスポーツの好みの検索: user_id と agent_id は二重フィルターを提供し、「I like playing badminton」を正確に返します。

記憶を削除:

delete_all メソッドを使用して、指定したユーザーまたはエージェントのすべてのメモリを削除します。

• コード

  # 特定のユーザーに属する特定のエージェントのすべてのメモリを削除します。
  m.delete_all(user_id="Julia")
  result = m.get_all(user_id="Julia")
  print(result)
  
  # ユーザーのすべてのメモリを削除します。
  m.delete_all(user_id="Mike")
  result = m.get_all(user_id="Mike")
  print(result)

• 結果分析

  コレクション mem0_adb_demo をリセット中...
  {'results': []}
  コレクション mem0_adb_demo をリセット中...
  {'results': []}