mem0
0.1.123
Узнайте больше · Присоединяйтесь к Discord
MEM0 (произносится как «MEM-Zero») улучшает помощников ИИ и агентов с интеллектуальным уровнем памяти, что позволяет персонализированным взаимодействиям с ИИ. MEM0 помнит предпочтения пользователя, адаптируется к индивидуальным потребностям и постоянно улучшается с течением времени, что делает его идеальным для чат -ботов поддержки клиентов, помощников ИИ и автономных систем.
Новая функция: введение графической памяти. Проверьте нашу документацию.
MEM0 использует гибридную базу данных для управления и извлечения долгосрочных воспоминаний для агентов и помощников искусственного интеллекта. Каждая память связана с уникальным идентификатором, таким как идентификатор пользователя или идентификатор агента, что позволяет MEM0 организовать и получить доступ к воспоминаниям, специфичным для человека или контекста.
Когда сообщение добавляется в MEM0 с использованием метода add (), система извлекает соответствующие факты и предпочтения и хранит его в хранилищах данных: векторная база данных, базу данных клавиш и базу данных графиков. Этот гибридный подход гарантирует, что различные типы информации хранятся наиболее эффективным образом, что делает последующие поиски быстрым и эффективным.
Когда агент ИИ или LLM должен вспомнить воспоминания, он использует метод Search (). Затем MEM0 выполняет поиск в этих хранилищах данных, получая соответствующую информацию из каждого источника. Эта информация затем передается через уровень оценки, который оценивает их важность, основанную на актуальности, важности и рецензии. Это гарантирует, что появляется только самый персонализированный и полезный контекст.
Полученные воспоминания могут затем быть добавлены к подсказке LLM по мере необходимости, улучшая персонализацию и актуальность его ответов.
MEM0 уполномочивает организации и отдельных лиц для улучшения:
Самый простой способ настройки MEM0 - через платформу Managed MEM0. Это размещенное решение предлагает автоматические обновления, расширенную аналитику и выделенную поддержку. Зарегистрируйтесь, чтобы начать.
Если вы предпочитаете самостоятельно, используйте пакет MEM0 с открытым исходным кодом. Следуйте инструкциям по установке, чтобы начать.
Установите пакет MEM0 через PIP:
pip install mem0aiВ качестве альтернативы, вы можете использовать MEM0 с одним щелчком на хостированную платформу здесь.
MEM0 требует функционирования LLM, с gpt-4o от OpenAI в качестве дефолта. Тем не менее, он поддерживает различные LLM; Для получения подробной информации обратитесь к нашей поддерживаемой документации LLMS.
Первым шагом является создание памяти:
from mem0 import Memory
m = Memory () import os
os . environ [ "OPENAI_API_KEY" ] = "sk-xxx"Вы можете выполнить следующую задачу в памяти:
# 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' } Кончик
Если вы предпочитаете размещенную версию без необходимости настроить инфраструктуру самостоятельно, ознакомьтесь с платформой MEM0, чтобы начать через несколько минут.
Для инициализации графической памяти вам понадобится настроить вашу конфигурацию с помощью поставщиков магазинов графиков. В настоящее время мы поддерживаем NEO4J в качестве поставщика графических магазинов. Вы можете настроить NEO4J локально или использовать размещенный neo4j auradb. Кроме того, вам также необходимо установить версию на v1.1 ( предыдущие версии не поддерживаются ). Вот как вы можете это сделать:
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 )Для получения подробных инструкций по использованию и ссылки на API, посетите нашу документацию на Docs.mem0.ai. Здесь вы можете найти больше информации как о версии с открытым исходным кодом, так и о платформе MEM0.
Присоединяйтесь к нашему сообществу для поддержки и обсуждений. Если у вас есть какие -либо вопросы, не стесняйтесь обращаться к нам, используя один из следующих методов:
Присоединяйтесь к нашему сообществу Discord, чтобы узнать об управлении памятью для агентов ИИ и LLMS, а также подключитесь к пользователям и участникам MEM0. Поделитесь своими идеями, вопросами или отзывами в наших проблемах GitHub.
Мы ценим и ценим вклад нашего сообщества. Особая благодарность нашим участникам за помощь в улучшении MEM0.
Мы собираем анонимные показатели использования для повышения качества нашего пакета и пользовательского опыта. Это включает в себя данные, такие как частота использования функций и информация о системе, но никогда не личные данные. Данные помогают нам определить приоритеты улучшений и обеспечить совместимость. Если вы хотите отказаться, установите переменную среды mem0_telemetry = false. Мы расставляем приоритеты в безопасности данных и не делимся этими данными извне.
Этот проект лицензирован по лицензии Apache 2.0 - для получения подробной информации см. Файл лицензии.
