Mem0 Installationsanleitung

Ubuntu 24.04 LTS · Docker

Was ist Mem0?

Mem0 ist eine Speicherebene für AI-Agenten – sie merkt sich Benutzerpräferenzen, Fakten und den Kontext über Sitzungen hinweg. Dies verleiht LLM-Apps einen persistenten Speicher, ohne dass Fine-Tuning oder komplexe Vector-DB-Konfigurationen erforderlich sind.

Voraussetzungen

• 2 CPU (4+ empfohlen) · 2 GB RAM (4 GB+ bei lokalen Embeddings) · 5 GB+ Festplattenspeicher
• Docker ≥ 24.0 + Compose · Port 8083 frei · OpenAI Key oder lokales LLM

1. Docker Installation

curl -fsSL https://get.docker.com | sh
sudo usermod -aG docker $USER

2. docker-compose.yml

mkdir -p ~/mem0 && cd ~/mem0
cat > docker-compose.yml << 'EOF'
services:
  mem0:
    image: mem0ai/mem0:latest
    container_name: mem0
    restart: unless-stopped
    ports:
      - "8083:8000"
    volumes:
      - ./mem0_data:/app/data
    environment:
      OPENAI_API_KEY: "${OPENAI_API_KEY:-}"
      MEM0_EMBEDDING_PROVIDER: "${MEM0_EMBEDDING_PROVIDER:-openai}"
      MEM0_CONFIG_PATH: "/app/data/mem0_config.yaml"
      MEM0_LOG_LEVEL: "${MEM0_LOG_LEVEL:-info}"
EOF
echo 'OPENAI_API_KEY=*** > .env

3. Starten

docker compose up -d
docker compose logs -f
curl http://localhost:8083/health

4. Nginx Proxy

sudo apt install -y nginx certbot python3-certbot-nginx

Erstellen Sie einen Proxy für 127.0.0.1:8083 mit Standard-Headern und proxy_read_timeout 90s:

ln -s /etc/nginx/sites-available/mem0 /etc/nginx/sites-enabled/
nginx -t && systemctl reload nginx
certbot --nginx -d mem0.example.com

5. Umgebungsvariablen

Variable	Erf.	Standard	Beschreibung
OPENAI_API_KEY	Ja*	—	OpenAI LLM+Embed Key
MEM0_EMBEDDING_PROVIDER	Nein	openai	openai,ollama,sentence-transformers,huggingface
MEM0_LLM_PROVIDER	Nein	openai	openai,ollama,anthropic,groq,litellm
MEM0_GRAPH_STORE	Nein	Keine	KG:neo4j,memgraph
MEM0_VECTOR_STORE	Nein	Integriert	Vector DB:chromadb,qdrant,pinecone,weaviate
MEM0_CONFIG_PATH	Nein	/app/data/conf.yaml	Pfad zur YAML-Konfig
MEM0_LOG_LEVEL	Nein	info	debug,info,warning,error

* Weglassen bei Verwendung von lokalem LLM + lokalen Embeddings.

6. Lokale Embeddings

sentence-transformers

MEM0_EMBEDDING_PROVIDER: "sentence-transformers"
MEM0_EMBEDDING_MODEL: "all-MiniLM-L6-v2"

Ollama

MEM0_EMBEDDING_PROVIDER: "ollama"
MEM0_EMBEDDING_MODEL: "nomic-embed-text"
MEM0_OLLAMA_BASE_URL: "http://host.docker.internal:11434"

Fügen Sie extra_hosts: ["host.docker.internal:host-gateway"] hinzu. ollama pull nomic-embed-text ausführen.

7. Backup

cd ~/mem0 && docker compose stop
tar -czf "mem0_$(date +%Y%m%d).tar.gz" mem0_data/
docker compose start

Richten Sie einen täglichen Cron-Job ein, um ./mem0_data extern zu sichern.

8. Update

cd ~/mem0 && docker compose pull && docker compose up -d --force-recreate
docker image prune -f

9. Fehlerbehebung

API Key

Symptom: 401. Lösung: .env prüfen, keine Leerzeichen, ausreichendes Kontingent vorhanden.

Embedding-Fehler

Symptom: EmbeddingError. Lösung: Internetverbindung für ersten Download prüfen. Prüfen, ob Ollama läuft. Nginx Timeout erhöhen.

Abruf fehlgeschlagen

Symptom: Leere Ergebnisse. Lösung: Embedding-Provider abgleichen. MEM0_LOG_LEVEL=debug setzen.

Vector DB

Symptom: Connection refused. Lösung: Anmeldedaten prüfen. docker exec mem0 ping <host> ausführen. Prüfen, ob Daten schreibbar sind.

---

Mem0 auf GitHub · Ubuntu 24.04