Extract Memory

基于 MemOS 自研抽取模型，从对话消息中直接抽取并返回事实与偏好记忆。

POST
/
extract
/
memory
import os
import requests
import json

# 替换成你的 API Key
os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"

data = {
    "messages": [
        {"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"},
        {"role": "assistant", "content": "好的，有其他问题再问我。"}
    ],
    "extraction_types": ["memory", "preference"]
}
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"
}
url = f"{os.environ['MEMOS_BASE_URL']}/extract/memory"

res = requests.post(url=url, headers=headers, data=json.dumps(data))

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

{
  "code": 0,
  "data": {
    "success": true,
    "memory_detail_list": [
      {
        "memory_key": "用户基本信息",
        "memory_value": "用户张三，28岁，在杭州从事后端开发，喜欢打羽毛球。",
        "memory_type": "UserMemory",
        "tags": [
          "人物",
          "职业",
          "爱好"
        ]
      }
    ],
    "preference_detail_list": [
      {
        "preference": "用户明确表示希望回复尽量简洁。",
        "reasoning": "对话中用户直接说明偏好。",
        "preference_type": "explicit_preference"
      }
    ]
  },
  "message": "ok"
}

Authorizations

Authorization
string
header
required

Token API_key，可在 API 控制台>接口密钥 中查看

请求体

application/json
messages
ExtractMemoryMessage·object[]
required
需要抽取记忆的消息对象数组，数组中所有消息的总 Token 数上限为8k。
展示属性
extraction_types
string[]

限定抽取的记忆类型；不传则抽取全部支持的类型。

  • memory：事实记忆，从对话中提取用户相关的事实性信息。
  • preference：偏好记忆，从对话中提取用户的偏好信息，包含显性偏好（用户明确表达）和隐性偏好（从行为推断）。
Enum:"memory""preference"

响应体

application/json

Successful Response

code
number
required

接口状态码，更多内容可查阅错误码列表了解详情。

Example: 0
data
object
展示属性
message
string
required

接口提示信息。

Example: "ok"

Add Feedback

Get Message