企业官网建设流程全解析

如何把 Memori BYODB 接入已有 PostgreSQL 并配置连接池与 SSL？

【免费下载链接】MemoriMemori is agent-native memory infrastructure. A LLM-agnostic layer that turns agent execution and conversation into structured, persistent state for production systems. Built for enterprise, Memori works with the data infrastructure you already run, no rip-and-replace, and deploys across managed cloud, single-tenant cloud, VPC, and on-premises.项目地址: https://gitcode.com/GitHub_Trending/me/Memori

如果你的应用已经在运行一个 PostgreSQL 实例（本地、AWS RDS、Neon、Supabase 等），现在想把 Memori BYODB（Bring Your Own Database）的记忆存储挂接到这个库上，同时配好连接池和 SSL，这篇文章给出官方文档中的完整操作路径：安装 SDK 与驱动、用 SQLAlchemy（Python）或pg.Pool（TypeScript）建立连接、设置pool_size/max_overflow/pool_recycle等池参数、追加?sslmode=require走 SSL，最后通过一次"写入事实 → recall 召回"的流程验证记忆确实持久化在了你自己的 PostgreSQL 里。

适用前提（来自文档）：

• Python 3.10+（TypeScript 路径要求 Node.js 20+）；
• 一个可用的 PostgreSQL 实例及账号信息（host、端口、用户名、密码、库名）；
• 一个 LLM 提供商的 API key——本文示例代码全部来自官方文档，使用 OpenAI，需要OPENAI_API_KEY；其他提供商见 LLM providers 文档。

Memori 的 PostgreSQL 连接方式由你自己的代码持有：Memori 接受一个conn参数（Python 里传 SQLAlchemy 的sessionmaker，TypeScript 里传返回连接池的工厂函数），不会自建或接管数据库连接。

安装 SDK 与 PostgreSQL 驱动

Python：

pip install memori psycopg

TypeScript：

npm install @memorilabs/memori pg openai dotenv npm install --save-dev @types/pg

说明：

• 专用文档 PostgreSQL 给出的驱动是psycopg，连接串前缀为postgresql+psycopg://。注意通用安装页 Installation (Python) 在 PostgreSQL 一节列出的是pip install psycopg2-binary（或异步的asyncpg），对应连接串前缀postgresql+psycopg2://。两处文档同时存在，本文主路径按专用页使用psycopg；如果你选用psycopg2-binary，把连接串前缀相应改为postgresql+psycopg2://，二者保持对应即可。
• 用pip show memori可以确认 Python 包已装好。
• 可选：python -m memori setup可预下载内嵌 Rust 的 embedding 模型，避免首次运行时自动下载耗时。

连接已有 PostgreSQL 并创建 Memori 表

以 Python 为例，核心是四步：create_engine建引擎、sessionmaker绑定、Memori(conn=...)传入会话工厂、mem.config.storage.build()建表。

from memori import Memori from sqlalchemy import create_engine from sqlalchemy.orm import sessionmaker engine = create_engine( "postgresql+psycopg://user:password@localhost:5432/memori_db", pool_pre_ping=True ) SessionLocal = sessionmaker(bind=engine) mem = Memori(conn=SessionLocal) mem.config.storage.build()

代码中的user、password、localhost、5432、memori_db是文档示例值，替换为你实际的 PostgreSQL 用户名、密码、主机、端口和数据库名（memori_db是文档示例的库名）。

关于build()，文档的说明是：它在数据库里创建 Memori 所需的全部表，只需在首次运行或升级 Memori 后执行一次；它只创建 Memori 自己的 schema 表，不会动你已有的应用表（ORMs (TypeScript) 中明确 "creates Memori's schema tables without touching your ORM's tables"）。这对"接入已有 PostgreSQL"很关键——接入不会改写你原有库里的表。

如果DATABASE_URL这类环境变量里存的是完整连接串（例如云托管实例），可以像文档完整示例那样从环境变量读取：

engine = create_engine( os.getenv("DATABASE_URL"), pool_pre_ping=True, pool_size=10, max_overflow=20, pool_recycle=300 )

配置连接池

官方文档称 PostgreSQL 是生产部署的推荐数据库，理由包括完整的并发写支持与连接池能力（Databases Overview 将其定位为 "Production, high concurrency"）。

Python（SQLAlchemy）主路径：在create_engine中加上池参数，文档给出的组合是：

engine = create_engine( "postgresql+psycopg://user:password@localhost:5432/memori_db", pool_pre_ping=True, pool_size=10, max_overflow=20, pool_recycle=300 )

• pool_pre_ping=True：取连接前先探活；
• pool_size=10：连接池基础大小；
• max_overflow=20：超出基础大小后允许额外溢出的连接数；
• pool_recycle=300：连接回收周期（秒）。

文档没有逐项解释这些参数，以上仅按参数用途做对应说明。Troubleshooting 在 "Connection pool errors" 一条中建议的修复方式就是启用pool_pre_ping=True和pool_recycle=300，即出现连接池报错时优先检查这两项。

TypeScript 路径：Memori 直接使用pg的原始连接池。文档对 TS 的池配置给出的是约束而非参数表：

• 必须传工厂函数conn: () => pool；
• 用pg.Pool，不要用单个pg.Client——池能安全处理 Memori 的并发读写与后台 augmentation 请求；
• 连接串放在.env的DATABASE_CONNECTION_STRING中；
• 池的生命周期由你持有：Memori 永远不会关闭池，结束时你自己调用pool.end()。

import 'dotenv/config'; import pg from 'pg'; import { Memori } from '@memorilabs/memori'; const pool = new pg.Pool({ connectionString: process.env.DATABASE_CONNECTION_STRING, }); const mem = new Memori({ conn: () => pool }); // ...使用完毕 // await pool.end();

TS 文档未给出pool_size之类的池容量参数，需要调参时由pg.Pool自身配置承担。

如果你的应用已有 ORM（Drizzle、Prisma、Sequelize、MikroORM 等），ORMs (TypeScript) 的说明是：把你的 ORM 底层已有的那个 pool 直接传给 Memori（new Memori({ conn: () => pool })），两者共用一个池、互不冲突，Memori 不引入额外依赖。

配置 SSL 连接

对接云托管 PostgreSQL（Neon、Supabase、AWS RDS、Google Cloud SQL、Azure Database）时启用 SSL。

Python：在连接串后追加?sslmode=参数：

engine = create_engine( "postgresql+psycopg://user:password@host:5432/memori_db" "?sslmode=require", pool_pre_ping=True )

文档给出的三种模式：

TypeScript：对DATABASE_CONNECTION_STRING追加?sslmode=require。文档明确点名适用于 Neon、Supabase、AWS RDS 这类云托管实例。

云托管实例的连接串格式可参考文档中的对照表：

验证：写入一条事实并召回

接入是否成功，用文档完整示例的流程验证：注册 LLM 客户端、设置 attribution、教模型一个事实，等后台 augmentation 完成后用recall查回来。

Python 完整示例（来自 PostgreSQL 文档 的 Complete Example，OPENAI_API_KEY和DATABASE_URL需事先设为环境变量）：

import os from sqlalchemy import create_engine from sqlalchemy.orm import sessionmaker from memori import Memori from openai import OpenAI engine = create_engine( os.getenv("DATABASE_URL"), pool_pre_ping=True, pool_size=10, max_overflow=20, pool_recycle=300 ) SessionLocal = sessionmaker(bind=engine) client = OpenAI(api_key=os.getenv("OPENAI_API_KEY")) mem = Memori(conn=SessionLocal).llm.register(client) mem.attribution(entity_id="user_123", process_id="my_agent") mem.config.storage.build() response = client.chat.completions.create( model="gpt-4.1-mini", messages=[{"role": "user", "content": "I'm a senior engineer at Google."}] ) print(response.choices[0].message.content) mem.augmentation.wait() facts = mem.recall("job title and company") print(facts)

其中：

• llm.register(client)包裹你的 LLM 客户端，Memori 才能捕获对话——不注册就不会记录记忆；
• attribution(entity_id=..., process_id=...)把记忆关联到具体用户与进程，文档示例值为user_123/my_agent，按你的实际用户与 agent 标识替换；没有 attribution 不会产生记忆；
• mem.augmentation.wait()在短生命周期脚本中等待异步的后台记忆处理完成，之后再 recall；
• 成功判定：print(facts)输出与 "job title and company" 相关的记忆条目（文档未给出固定输出文本，以实际召回到你刚告知的事实为准）；
• 更直接的落库验证：查询 Memori 的表。Quickstart 列出的四张表为memori_conversation_message、memori_entity_fact、memori_knowledge_graph、memori_session（文档示例是对 SQLite 用sqlite3 ... "SELECT * FROM ..."查询；PostgreSQL 中用你的数据库客户端按相同表名查询即可确认数据写入）。

TypeScript 完整示例：

import 'dotenv/config'; import pg from 'pg'; import { OpenAI } from 'openai'; import { Memori } from '@memorilabs/memori'; const pool = new pg.Pool({ connectionString: process.env.DATABASE_CONNECTION_STRING, }); const client = new OpenAI(); const mem = new Memori({ conn: () => pool }).llm.register(client); mem.attribution('user-123', 'my-app'); if (!mem.config.storage) { throw new Error('Storage not initialized'); } try { await mem.config.storage.build(); const response = await client.chat.completions.create({ model: 'gpt-4.1-mini', messages: [{ role: 'user', content: 'My favorite color is blue.' }], }); console.log(response.choices[0]?.message?.content); await mem.augmentation.wait(); const facts = await mem.recall('favorite color'); console.log(facts); } finally { await pool.end(); }

验证方式同上：facts应能召回刚写入的事实；pool.end()放在finally中保证池被你自己关闭。

常见问题排查与限制

结合 Troubleshooting，接入 PostgreSQL 时按现象对照：

• No connection factory provided：初始化时没有传conn。Python 侧传入sessionmaker，TypeScript 侧传入() => pool工厂函数。
• Table does not exist：没有执行建表。运行一次mem.config.storage.build()（TypeScript 为await mem.config.storage.build();）；升级 Memori 后也需要再跑一次。
• 连接池报错：在create_engine中启用pool_pre_ping=True与pool_recycle=300。
• 没有记忆产生：依次检查是否设置了 attribution、短脚本中是否调用了augmentation.wait()、LLM 客户端是否经过llm.register()。
• 首次运行慢：Memori 首次使用会下载 embedding 模型，可用python -m memori setup预下载。
• Rust embeddings are unavailable：安装带原生扩展的 Memori wheel，或改用外部 TEI 兼容服务（embed_texts(..., tei=TEI(url=...))）。

限制与注意：

• 池的生命周期归调用方：TypeScript 中 Memori 永不关闭pg.Pool，必须自己pool.end()；
• SSL 模式只有文档表格中的require/verify-ca/verify-full三档说明，verify-ca/verify-full涉及的证书配置文档未展开；
• 无 Memori API key 时 augmentation 配额为 100 次/月，注册 key 后为 5,000 次/月（Installation (Python)）；
• Python 驱动存在psycopg与psycopg2-binary两套写法（见安装一节），连接串前缀与驱动名必须匹配。

更多可直接运行的参考实现见仓库中的 examples/postgres/main.py（Python + OpenAI + PostgreSQL 的完整脚本）。

【免费下载链接】MemoriMemori is agent-native memory infrastructure. A LLM-agnostic layer that turns agent execution and conversation into structured, persistent state for production systems. Built for enterprise, Memori works with the data infrastructure you already run, no rip-and-replace, and deploys across managed cloud, single-tenant cloud, VPC, and on-premises.项目地址: https://gitcode.com/GitHub_Trending/me/Memori