mem0
0.1.123
Pelajari lebih lanjut · Bergabunglah dengan Perselisihan
Mem0 (diucapkan sebagai "mem-nol") meningkatkan asisten dan agen AI dengan lapisan memori yang cerdas, memungkinkan interaksi AI yang dipersonalisasi. MEM0 mengingat preferensi pengguna, beradaptasi dengan kebutuhan individu, dan terus meningkat dari waktu ke waktu, membuatnya ideal untuk chatbots dukungan pelanggan, asisten AI, dan sistem otonom.
Fitur Baru: Memperkenalkan Memori Grafik. Lihat dokumentasi kami.
MEM0 memanfaatkan pendekatan basis data hibrida untuk mengelola dan mengambil ingatan jangka panjang untuk agen dan asisten AI. Setiap memori dikaitkan dengan pengidentifikasi unik, seperti ID pengguna atau ID agen, yang memungkinkan MEM0 untuk mengatur dan mengakses memori khusus untuk individu atau konteks.
Ketika sebuah pesan ditambahkan ke metode MEM0 menggunakan ADD (), sistem mengekstrak fakta dan preferensi yang relevan dan menyimpannya di seluruh penyimpanan data: database vektor, database nilai-kunci, dan database grafik. Pendekatan hibrida ini memastikan bahwa berbagai jenis informasi disimpan dengan cara yang paling efisien, membuat pencarian selanjutnya dengan cepat dan efektif.
Ketika agen AI atau LLM perlu mengingat kembali kenangan, ia menggunakan metode pencarian (). MEM0 kemudian melakukan pencarian di penyimpanan data ini, mengambil informasi yang relevan dari masing -masing sumber. Informasi ini kemudian dilewatkan melalui lapisan penilaian, yang mengevaluasi kepentingannya berdasarkan relevansi, kepentingan, dan kebaruan. Ini memastikan bahwa hanya konteks yang paling personal dan bermanfaat muncul.
Kenangan yang diambil kemudian dapat ditambahkan ke prompt LLM sesuai kebutuhan, meningkatkan personalisasi dan relevansi tanggapannya.
MEM0 memberdayakan organisasi dan individu untuk meningkatkan:
Cara termudah untuk mengatur MEM0 adalah melalui platform MEM0 yang dikelola. Solusi yang di -host ini menawarkan pembaruan otomatis, analitik canggih, dan dukungan khusus. Daftar untuk memulai.
Jika Anda lebih suka host sendiri, gunakan paket MEM0 open-source. Ikuti instruksi instalasi untuk memulai.
Instal Paket MEM0 melalui PIP:
pip install mem0aiAtau, Anda dapat menggunakan MEM0 dengan satu klik pada platform yang dihosting di sini.
MEM0 membutuhkan LLM untuk berfungsi, dengan gpt-4o dari OpenAi sebagai default. Namun, ini mendukung berbagai LLM; Untuk detailnya, lihat dokumentasi LLMS yang didukung kami.
Langkah pertama adalah instantiate memori:
from mem0 import Memory
m = Memory () import os
os . environ [ "OPENAI_API_KEY" ] = "sk-xxx"Anda dapat melakukan tugas berikut pada memori:
# 1. Add: Store a memory from any unstructured text
result = m . add ( "I am working on improving my tennis skills. Suggest some online courses." , user_id = "alice" , metadata = { "category" : "hobbies" })
# Created memory --> 'Improving her tennis skills.' and 'Looking for online suggestions.' # 2. Update: update the memory
result = m . update ( memory_id = < memory_id_1 > , data = "Likes to play tennis on weekends" )
# Updated memory --> 'Likes to play tennis on weekends.' and 'Looking for online suggestions.' # 3. Search: search related memories
related_memories = m . search ( query = "What are Alice's hobbies?" , user_id = "alice" )
# Retrieved memory --> 'Likes to play tennis on weekends' # 4. Get all memories
all_memories = m . get_all ()
memory_id = all_memories [ "memories" ][ 0 ] [ "id" ] # get a memory_id
# All memory items --> 'Likes to play tennis on weekends.' and 'Looking for online suggestions.' # 5. Get memory history for a particular memory_id
history = m . history ( memory_id = < memory_id_1 > )
# Logs corresponding to memory_id_1 --> {'prev_value': 'Working on improving tennis skills and interested in online courses for tennis.', 'new_value': 'Likes to play tennis on weekends' } Tip
Jika Anda lebih suka versi yang dihosting tanpa perlu mengatur infrastruktur sendiri, lihat platform MEM0 untuk memulai dalam hitungan menit.
Untuk menginisialisasi memori grafik, Anda harus mengatur konfigurasi dengan penyedia penyimpanan grafik. Saat ini, kami mendukung NEO4J sebagai penyedia toko grafik. Anda dapat mengatur neo4j secara lokal atau menggunakan neo4j auradb yang di -host. Selain itu, Anda juga perlu mengatur versi ke v1.1 ( versi sebelumnya tidak didukung ). Begini cara Anda melakukannya:
from mem0 import Memory
config = {
"graph_store" : {
"provider" : "neo4j" ,
"config" : {
"url" : "neo4j+s://xxx" ,
"username" : "neo4j" ,
"password" : "xxx"
}
},
"version" : "v1.1"
}
m = Memory . from_config ( config_dict = config )Untuk instruksi penggunaan terperinci dan referensi API, kunjungi dokumentasi kami di docs.mem0.ai. Di sini, Anda dapat menemukan informasi lebih lanjut tentang versi open-source dan platform MEM0 yang di-host.
Bergabunglah dengan komunitas kami untuk dukungan dan diskusi. Jika Anda memiliki pertanyaan, jangan ragu untuk menghubungi kami menggunakan salah satu metode berikut:
Bergabunglah dengan komunitas Discord kami untuk belajar tentang manajemen memori untuk agen dan LLM AI, dan terhubung dengan pengguna dan kontributor MEM0. Bagikan ide, pertanyaan, atau umpan balik Anda dalam masalah GitHub kami.
Kami menghargai dan menghargai kontribusi komunitas kami. Terima kasih khusus kepada kontributor kami karena telah membantu kami meningkatkan MEM0.
Kami mengumpulkan metrik penggunaan anonim untuk meningkatkan kualitas dan pengalaman pengguna paket kami. Ini termasuk data seperti frekuensi penggunaan fitur dan info sistem, tetapi tidak pernah detail pribadi. Data membantu kami memprioritaskan peningkatan dan memastikan kompatibilitas. Jika Anda ingin memilih keluar, atur variabel lingkungan mem0_telemetry = false. Kami memprioritaskan keamanan data dan tidak membagikan data ini secara eksternal.
Proyek ini dilisensikan di bawah lisensi Apache 2.0 - lihat file lisensi untuk detailnya.
