import requestsfrom mem0 import Memory
# 初始化记忆对象memory = Memory()
def chat_with_memories(message: str, user_id: str = "default_user") -> str:    """    利用 Mem0 和 Ollama 部署的 DeepSeek 实现带有记忆功能的对话
    Args:        message (str): 用户输入的消息        user_id (str, optional): 用户的唯一标识符，默认为 "default_user"
    Returns:        str: AI 的回答    """    # 搜索与当前消息相关的记忆    relevant_memories = memory.search(query=message, user_id=user_id, limit=3)
    # 将记忆格式化为字符串，以便在提示中使用    memories_str = "\n".join(f"- {entry['memory']}" for entry in relevant_memories)
    # 定义系统提示，包含记忆信息    system_prompt = f"你是一个乐于助人的AI。请根据用户的问题和相关记忆来回答。\n用户记忆：\n{memories_str}"
    # 构建提示内容，包含系统提示和用户消息    prompt = f"{system_prompt}\n\n用户问题：{message}"
    # 调用 Ollama 部署的 DeepSeek API 获取回答    response = requests.post(        "http://xxx.xxx.xxx.xxx:11434/api/generate",        json={            "model": "deepseek-r1:1.5b",            "prompt": prompt,            "stream": false        }    ).json()
    # 提取助手的回答内容    assistant_response = response.get('response', '很抱歉，我无法理解你的问题。')
    # 将对话内容作为记忆写入    memory.add([        {"role": "user", "content": message},        {"role": "assistant", "content": assistant_response}    ], user_id=user_id)
    return assistant_response
def main():    """主函数，用于与 AI 进行对话"""    print("与AI聊天（输入'exit'退出）")    while True:        user_input = input("您: ").strip()        if user_input.lower() == 'exit':            print("再见！")            break        print(f"AI: {chat_with_memories(user_input)}")
if __name__ == "__main__":    main()