大家好，我们正在发起 PowerMem 的一轮公开内测，邀请对 AI 应用 / Agent 长期记忆、向量检索与本地/混合部署 感兴趣的开发者一起体验、反馈、共创。
一、项目简介
PowerMem 是一套面向 AI 应用的智能记忆基础设施：结合向量检索、全文与图检索等混合能力，并引入艾宾浩斯遗忘曲线等机制，帮助 Agent 持久记住对话、偏好与上下文，同时支持多 Agent 隔离与共享、权限与隐私等能力。项目提供 Python SDK、CLI（pmem）、HTTP API + Dashboard、MCP Server，并可与 OpenClaw、LangChain、LangGraph 等集成。
本次内测版本：PowerMem 1.1.0（2026-04-02）
本版本最重要的变化是接入 pyseekdb，支持 OceanBase 向量存储下的嵌入式 seekdb：在本地指定数据目录即可运行，无需单独部署数据库服务，降低「从 0 到能跑」的环境成本。
官方发布说明：PowerMem 1.1.0 Release
当前阶段，我们重点关注它在以下场景中的可用性：
-
本地/离线友好：笔记本、单机 Demo、CI 沙箱——用嵌入式 seekdb 快速起服务，不依赖远程 OceanBase 集群
-
Agent / 多轮对话记忆：长期记忆写入、检索、更新是否与你的业务流顺畅衔接
-
多种接入方式：SDK、
pmemCLI、API Server、MCP 在嵌入式存储下的端到端体验是否一致、文档是否够用
二、为什么发起这次内测
在更大范围对外宣传与迭代节奏确定之前，我们希望先通过一轮真实开发者内测，重点验证：
-
部署流程是否足够清晰（尤其是嵌入式 seekdb 的配置与目录权限）
-
使用门槛是否合理（Python 版本、依赖、LLM / Embedding 等）
-
在真实场景里是否有明确价值（检索质量、延迟、稳定性）
-
文档、CLI 引导、错误信息是否能把人带到正确配置，而不是卡在黑盒报错
我们会根据本轮内测反馈，安排后续文档补充、示例与正式发布节奏。
三、适合谁参与
如果你符合以下任一情况，欢迎报名：
-
对 Agent 记忆、向量库、OceanBase / seekdb 有兴趣
-
有 客服助手、个人助理、多 Agent 协作、本地私有化 等实际需求
-
愿意试用新项目，并给出可复现的问题或改进建议
-
愿意在群里/讨论区参与共创（场景、API、运维体验等）
我们尤其欢迎：
-
AI 应用 / Agent 开发者（自研框架或 OpenClaw 等生态）
-
关注存储与部署的后端 / 平台 / DBA（嵌入式与远程 OceanBase 对比）
-
独立开发者 / 开源作者（集成、插件、二次封装场景）
四、内测时间
内测 & 反馈时间：2026-04-08 ～ 2026-04-16
五、体验方式 / 部署流程
项目地址：
https://github.com/oceanbase/powermem
1.1.0 版本说明：
https://github.com/oceanbase/powermem/releases/tag/v1.1.0
5.0 官方文档索引（深入查阅）
-
仓库总览（安装、Quick Start、CLI、API、MCP）：README.md / README_CN.md
-
入门：入门指南
-
配置项全集：配置指南
-
CLI 参考：CLI 使用指南
-
API Server：API Server 文档
-
MCP：MCP Server 文档
-
配置模板：.env.example（可直接在浏览器打开后复制，或
curl拉取 raw 内容）
5.1 环境准备
-
操作系统：macOS / Linux / Windows 均可（内测欢迎反馈各平台差异）。
-
Python：3.11 及以上（与项目声明一致）。
-
网络：安装
pip install powermem需能访问 PyPI；调用云端 LLM / Embedding 需能访问对应 API（若全程用本地 Ollama 等，则按你的环境为准）。 -
建议：使用虚拟环境，避免与系统 Python 混用。
python3.11 -m venv .venv
# macOS / Linux:
source .venv/bin/activate
# Windows (cmd):
# .venv\Scripts\activate.bat
5.2 获取配置模板与工作目录
任选其一即可：
方式 A（克隆仓库，便于对照文档与示例）
git clone https://github.com/oceanbase/powermem.git
cd powermem
cp .env.example .env
方式 B（已有自己的项目目录）
在该目录下放一份 .env，内容以仓库 .env.example 为模板复制后修改。
后续所有命令默认在含有 .env 的目录下执行，或与 --env-file / 环境变量指定路径一致（见 5.10）。
5.3 安装 PowerMem
pip install -U pip
pip install powermem
说明：
-
嵌入式 seekdb 依赖 pyseekdb，会随
powermem一并安装，一般无需再单独pip install pyseekdb。 -
若需与发布说明完全对齐，可指定版本：
pip install "powermem>=1.1.0"。
安装完成后应可使用：
-
pmem：CLI（1.0.0+） -
powermem-server：HTTP API + Dashboard（若你安装的发行版包含该入口）
可用下面命令粗检：
python -c "import powermem; print('powermem ok')"
pmem --help
5.4 配置 .env：嵌入式 seekdb（OceanBase 存储、无远程库）
打开 .env，在 「Database」 段保证使用 OceanBase，并进入 嵌入式模式（OCEANBASE_HOST 为空）：
| 变量 | 嵌入式模式建议 | 说明 |
|---|---|---|
DATABASE_PROVIDER |
oceanbase |
使用 OceanBase 向量存储 |
OCEANBASE_HOST |
留空（不要填 IP/域名） | 留空表示走本地嵌入式 seekdb，而非远程集群 |
OCEANBASE_PATH |
例如 ./seekdb_data
|
本地数据目录；需磁盘可写、空间充足 |
OCEANBASE_PORT |
模板默认如 2881
|
与模板保持一致即可，除非你有明确自定义需求 |
OCEANBASE_USER |
按模板，如 root@sys
|
与嵌入式实例约定一致 |
OCEANBASE_PASSWORD |
自行设定 | 本地嵌入式同样需配置，勿提交真实密钥到公开仓库 |
OCEANBASE_DATABASE |
如 powermem
|
逻辑库名 |
OCEANBASE_COLLECTION |
如 memories
|
集合/表语义，与向量索引配置一致 |
OCEANBASE_EMBEDDING_MODEL_DIMS |
与 Embedding 输出维度一致 | 常见如 1536，必须与下方 EMBEDDING_DIMS / 实际模型一致 |
OCEANBASE_INDEX_TYPE 等 |
可先保持 .env.example 默认 |
嵌入式场景下模板默认偏稳健；无特殊需求不必改 |
注意：同一 .env 里若仍填了 SQLITE_* 等，只要 DATABASE_PROVIDER=oceanbase，实际存储仍由 OceanBase 段决定；为避免误解，内测时建议以 OceanBase 段为准逐项检查。
5.5 配置 .env：LLM 与 Embedding（必填）
智能抽取、向量化检索依赖 LLM 与 Embedding，至少配置以下一类（变量名以 .env.example 为准）：
LLM（示例结构）
-
LLM_PROVIDER：如qwen、openai、ollama等 -
LLM_API_KEY：对应厂商 API Key（本地 Ollama 等按文档是否可省略） -
LLM_MODEL：如qwen-plus等 -
若使用非默认网关，再按需设置各厂商的
*_LLM_BASE_URL
Embedding
-
EMBEDDING_PROVIDER：与所用模型一致 -
EMBEDDING_API_KEY、EMBEDDING_MODEL -
EMBEDDING_DIMS：必须与OCEANBASE_EMBEDDING_MODEL_DIMS相同，且与真实 embedder 输出维度一致（不一致会导致写入/检索异常或报错难懂）。
Ollama 用户：1.1.0 起可关注嵌入侧 ollama_base_url 等配置是否与你的本机地址一致（详见 Release 说明）。
更细的参数说明见 配置指南。
5.6 配置校验与交互向导
# 查看当前生效配置（脱敏展示，具体以 CLI 为准）
pmem config show
# 交互式生成/调整 .env，向导会说明嵌入式 seekdb 与远程 OceanBase 的差异
pmem config init
内测反馈欢迎标注：是否仅靠 pmem config init 就能配通，以及哪一步文案仍让人困惑。
5.7 验证：Python SDK（最小闭环）
在当前目录存在 .env 的前提下，新建 try_powermem.py（或与 README 一致的最小示例）：
from powermem import Memory, auto_config
config = auto_config()
memory = Memory(config=config)
memory.add("用户喜欢手冲咖啡", user_id="demo_user")
results = memory.search("用户的饮品偏好", user_id="demo_user")
for item in results.get("results", []):
print("-", item.get("memory"))
执行：
python try_powermem.py
若首次运行会在 OCEANBASE_PATH 下创建嵌入式数据文件，请确认该路径可写。
API 选择：嵌入式存储路径上更推荐使用同步 Memory API。若你使用 AsyncMemory，请阅读 v1.1.0 Release 中关于异步能力的说明，并在反馈中写明调用方式。
5.8 验证：CLI
与 SDK 共用同一 .env：
pmem memory add "用户偏好深色模式" --user-id demo_user
pmem memory search "界面偏好" --user-id demo_user
pmem stats --json
可顺带体验 非交互输出、列表截断等是否符合脚本化使用习惯。
5.9 可选：HTTP API Server + Dashboard
与 SDK 同一份.env。在安装包提供 powermem-server 的前提下：
powermem-server --host 0.0.0.0 --port 8000
浏览器访问：
-
Dashboard：
http://localhost:8000/dashboard/ -
OpenAPI 文档：
http://localhost:8000/docs
完整说明：API Server 文档。
5.10 部署检查清单（提交反馈前可自查）
-
[ ] Python ≥ 3.11，
pip show powermem版本 ≥ 1.1.0（若你锁定版本） -
[ ]
DATABASE_PROVIDER=oceanbase，OCEANBASE_HOST为空，OCEANBASE_PATH可写 -
[ ]
OCEANBASE_EMBEDDING_MODEL_DIMS=EMBEDDING_DIMS= 实际 embedding 模型维度 -
[ ] LLM / Embedding 的 Key、模型名、Base URL（若自定义）正确
-
[ ] SDK
add/search或 CLI 等价命令跑通；若走 API/MCP，再测一条读写
5.11 求助与反馈渠道
若在部署或体验中卡住，可在内测群直接反馈；也可开 GitHub Issue：
https://github.com/oceanbase/powermem/issues
请尽量附带：Python 版本、操作系统、DATABASE_PROVIDER、是否嵌入式、OCEANBASE_PATH、关键报错全文或最小复现步骤。
社区交流（Discord）：https://discord.com/invite/74cF8vbNEs
六、我们希望重点收集的反馈
1. 你的基本背景
-
角色（应用开发 / 算法 / 运维 / 学生等）与主要技术栈
-
使用场景（例如：个人 Agent、企业内部助手、Demo、评测等）
2. 1.1.0 核心能力：嵌入式 seekdb（pyseekdb）
请尽量覆盖或选择其中若干项体验并反馈：
-
首次部署：从
pip install到第一次add/search成功，总耗时与卡点在哪一步 -
配置理解：
OCEANBASE_HOST为空 +OCEANBASE_PATH指向本地目录，是否与你的直觉一致；pmem config init是否讲清楚 -
数据目录：路径权限、磁盘空间、多项目多目录隔离是否顺手
-
稳定性：长时间运行、反复写入/检索、进程重启后数据是否如预期
-
与远程 OceanBase 对比（若你两者都试过）：部署成本、性能体感、功能差异
3. 全链路体验
-
文档：哪一段不够、示例是否可运行、术语是否费解
-
CLI：子命令、帮助文案、非交互输出（如 list 截断）是否满足脚本化使用
-
Embedding / LLM：维度与
OCEANBASE_EMBEDDING_MODEL_DIMS不一致时的报错是否可读；Ollama 等配置是否顺畅（1.1.0 含ollama_base_url等修复） -
API / Dashboard / MCP：是否与 SDK 行为一致，认证与限流（若启用）是否合理
4. 价值判断
-
哪些能力对你最有帮助，哪些暂时用不上
-
你是否愿意在下一个项目里继续用；是否会推荐给同事/社区
-
你认为它最适合的场景与不合适的场景
5. 反馈形式（越具体越好）
-
优先：Issue 链接 或 结构化文字（环境 + 复现步骤 + 期望 vs 实际）
-
欢迎附带：脱敏后的
.env片段（去掉密钥）、日志节选、1～2 段典型 query 与检索结果评价
七、激励机制
-
提交有效反馈（可复现问题或建设性建议）：即可获得 100 社区积分
-
提供高价值问题定位、典型案例（含可公开脱敏描述）：还可以再获得额外的 OceanBase 实体定制礼物
