Qognio
← Lab · mem0
🧠
⭐ live

mem0 — Universal Memory Layer

Self-hosted mem0 mit Bunker-LLM. Hebt aus Gesprächs-Texten automatisch Memories aus, indiziert sie semantisch, durchsucht sie auf Knopfdruck — ohne Cloud-Memory-Provider, ohne dass irgendein Memory unsere Hardware verlässt.

Framework
mem0 OSS
Lizenz
Apache-2.0
Memory-LLM
qwen3.6-27b-bunker
Embedder
bge-m3-bunker
Vector-Store
ChromaDB (lokal)
Hosting
Sovereign-Container im Bunker

Was mem0 anders macht als unsere bestehenden Memory-Patterns

Qognio hat schon Memory-Strukturen: org_memories (geteilter Org-Pool), Tutor-Mastery (Spaced-Repetition), Wissenspool-Module. mem0 ergänzt das um eine universelle Per-User-Memory-Schicht: extrahiert automatisch Fakten aus jeder Konversation, dedupliziert, ranked nach Wichtigkeit, durchsucht semantisch.

Konkret heißt das: ein Bot sagt einmal „mem0 → add(message, user_id)", und alle künftigen Calls können „mem0 → search(query, user_id)" und kriegen die relevantesten Erinnerungen zurück. Keine Schema-Pflege, kein manuelles Tagging.

Beispiel-Use-Cases

Architektur

Browser/Bot
  │  X-Mem0-Key + JSON
  ▼
Edge-Reverse-Proxy  →  Sovereign-Container
                          ├─ nginx (TLS-Terminierung)
                          └─ FastAPI-Wrapper (uvicorn)
                                └─ mem0.Memory:
                                   ├─ LLM-Extraktion → qwen3.6-27b-bunker
                                   ├─ Embeddings    → bge-m3-bunker
                                   └─ Vector-Store  → ChromaDB (lokal)

API

POST /api/memories/add
  body: { "messages": [...] | string, "user_id": "alice", "metadata": {} }

POST /api/memories/search
  body: { "query": "...", "user_id": "alice", "limit": 5 }

GET    /api/memories/{user_id}
DELETE /api/memories/{user_id}

Alle Calls brauchen X-Mem0-Key-Header.

Sovereign-Aspekt

mem0 Cloud würde uns 10€/Monat sparen — aber dann würden Customer-Memories (Lerngeschichte, Kandidaten-Notizen, Anrufer-Präferenzen) auf US-Cloud landen. Self-hosted heißt: jede einzelne Erinnerung lebt nur im Bunker.

Lessons-Learned

1) mem0 ist drop-in auf OpenAI-API-kompatible Endpoints

Gleicher Trick wie bei Haystack: openai_base_url auf LiteLLM-Bunker zeigen, fertig. Kein Custom-Adapter nötig.

2) ChromaDB ist überraschend gut für Single-Container-Demos

Embedded SQLite + DuckDB-Storage — kein Server-Setup. Skaliert bis ~100k Memories ohne Schmerzen. Für richtige Volumes wäre Qdrant der nächste Schritt.

📦 Als Addon buchbar

ab 1.800 € pauschal

Wir hängen mem0 auch in eure existierenden Chat-Bots oder Workflows:

Termin vereinbaren →