Mem0 把长期记忆接进 n8n 和 Zapier：Agent 循环多了一块持久状态Chapters1×0:08开场与事件1:17记忆如何进入循环2:58工程意义与风险4:14落地建议0:005:570:08主播早上好，这里是 AI Loop Engineering。今天只讲一条发生在七月三十日的更新：Mem0 把长期记忆接进了 n8n 和 Zapier。我的判断先放在前面：这不是又多了一个向量库节点，而是把「记住什么、什么时候回忆、写入是否完成」直接放进了 Agent 的工作流里。0:31主播Mem0 的官方更新说明显示，n8n 这边提供社区节点，Zapier 这边提供应用动作。npm 上的 n8n 节点版本零点一一点三十日已经公开，支持记忆的新增、搜索、读取、更新和删除。它还可以挂到 n8n 的 AI Agent 节点上，让 Agent 自己决定什么时候查记忆，什么时候写记忆。0:59主播Zapier 的集成目前还没有进入公开应用目录，需要邀请链接。n8n 的社区节点则要求自托管实例，n8n Cloud 目前还不能直接使用。这两个限制很小，却说明它还处在「接入已经可用，平台化还没有完成」的阶段。1:17主播把它放进一次 Agent 运行，你会看到一条很具体的链路。工作流先收到用户请求，再用稳定的用户编号搜索历史记忆；Agent 把搜索结果和当前请求一起交给模型；任务完成后，工作流把这次对话里值得保留的事实交给 Mem0 抽取和保存。下一次运行，第一步再把这些事实找回来。1:42主播这和把文档塞进 RAG 有一个工程上的区别。RAG 通常从预先准备好的资料里找答案，记忆节点则试图把交互过程中的事实沉淀下来，再服务下一次交互。它保存的不是「整个聊天记录」，而是经过抽取、带有用户、Agent、应用或运行编号的记忆对象。2:04主播这里最容易被忽略的是作用域。n8n 和 Zapier 的文档都要求 Search 至少带一个 User ID、Agent ID、App ID 或 Run ID。多个编号放在同一次查询里时，结果是这些范围的并集，也就是 OR，不是同时满足的交集。团队如果把用户编号和 Agent 编号混在一个查询里，拿到的上下文可能比预期更宽。2:30主播第二个细节是写入并不即时。Add Memory 默认会异步做模型抽取，接口先返回事件编号；打开 Wait for Completion，节点才会继续等待抽取结束。Zapier 文档写明，等待最长可以到六十秒；n8n 节点默认等待完成。刚写入就立刻搜索，可能暂时搜不到；等待超时，也不代表写入失败，不能直接重试一遍。2:58主播这条更新的价值，在于它把记忆从应用代码里的零散逻辑，变成了工作流里能被看见、能被替换、能被删除的工具。对 n8n 用户来说，搜索和写入可以和邮件、数据库、审批节点放在一张流程图里；对 Agent 来说，记忆不再只是开发者每次手工拼进提示词的隐藏变量。3:24主播但把记忆放进 Agent 的工具箱，不等于 Agent 就知道什么值得记住。默认的 Infer 会调用模型抽取，模型可能把一次性的偏好、过期信息，甚至不该保存的敏感内容写成长期事实。文档提供了 Includes、Excludes、自定义指令，也允许关闭 Infer、按原文保存。工程团队需要先定义记忆契约，再决定是否让模型自动提炼。3:52主播还有一条反馈路径常常没有被画出来：记忆写错之后，谁能发现，谁能修改，谁能删除。Mem0 提供 Update 和 Delete，但工作流如果只接 Search 和 Add，就只完成了「写入」和「召回」，没有完成纠错闭环。记忆越持久，错误的生命周期就越长。4:14主播如果你今天要试这条集成，我建议先做一个很窄的循环。第一，选定唯一的作用域，通常是稳定的 User ID，并把它写进所有 Add、Search 和 Get Many 步骤。第二，把 Search 和 Add 分成两个可观测工具，不要让每一次对话都自动写入。4:34主播第三，为写入加上明确条件，只保存会影响下一次决策的事实；对敏感字段使用 Excludes，对需要原样保存的内容关闭 Infer。第四，把异步事件编号、等待时长、搜索命中的记忆编号和最终回答一起记到 trace 里；如果 Add 超时，先用 Get 或 Search 确认，再决定是否补偿，别让重试制造重复记忆。5:03主播第五，必须把 Update 和 Delete 放进同一套运维路径，给用户一个纠正和撤回的入口。n8n 还要评估是否能接受自托管社区节点，Zapier 则要先确认邀请制是否满足上线计划。接入方式、权限范围和数据留存期限，应该和模型选型一样进入评审。5:26主播今天可以带走一个问题：你的 Agent 下一次运行到底需要记住哪一个事实？谁拥有这个事实，什么时候它会过期，用户能不能看到、改掉和删除它？如果这四个答案还写不出来，先别把长期记忆接进生产循环。这里是 AI Loop Engineering，我们明早见。
