REMO langflow

레모-랑 플로

GPT-4와 Remo 메모리 시스템은 결합되어 장기 메모리가있는 고도로 지능적인 챗봇을 만듭니다. Langflow를 사용하여 IT와 인터페이스하는 쉬운 방법을 제공합니다.

이것은 완전하거나 이상적인 구현이 아닙니다. 자유롭게 개선하거나 사용하는 기술을 더 잘 이해하기 위해 사용하십시오.

설정

• 런칭 레모
• Langflow를 시작 하고이 리포지션에서 JSON을 가져옵니다
• 왼쪽의 Chatopenai 노드에 Openai 키를 넣으십시오.
• 채팅...

작동 방식

add_message API 호출로 제공하는 새 정보를 자동으로 저장합니다. 누락 된 정보는 자동으로 검색됩니다 ( search ). 관련 정보를 찾을 수없는 경우, 새로운 추억을 검색 가능한 요약에 통합하기 위해 rebuild_tree 자동으로 호출됩니다. "메모리 구성"( maintain_tree )을 수동으로 말하면 메시지 쌍에서 요약을 생성 할 수 있으며 "재건 트리"라고 말함으로써 rebuild_tree 에 대해서도 마찬가지입니다.

최소 2 개의 메시지가 저장되기 전에 maintain_tree 또는 rebuild_tree 호출되면 양성 오류가 발생합니다.

 The 'n_clusters' parameter of KMeans must be an int in the range [1, inf). Got 0 instead.

이것이 발생하는 이유는 L2 메시지 페어링 시스템이 새 메시지를 가져 와서 마지막 메시지를 쌍으로 연결하기 때문입니다. 트리 유지성은 L2 쌍 데이터를 기반으로 요약을 만듭니다. 따라서 별도의 쌍이있는 두 가지 정보가있는 경우 메모리를 검색하기 위해 한 번의 호출로 둘 다 얻을 수 없습니다. 여기에서 트리를 재건하는 것이 관련된 모든 관련 데이터를 포괄적 인 요약으로 메시하기 위해 들어온다.

구현

• 추억을 저장합니다
• 추억 찾기
• 추억 조직 (검색 할 수있는 새로운 기억을 요구해야 함)
• 메모리 트리 재 구축 (불완전하거나 잘못된 정보를 반환 할 때 트리거에 유용합니다)

알려진 문제

• 입력 데이터를 기반으로 추론을 생성 할 때 때때로 정보를 환각합니다.
• 적절한 경우 항상 Remo 도구를 사용하지는 않습니다