Memary: 开源自主代理的记忆层

RayRay
memaryAI agents知识图谱人工智能记忆管理Github开源项目

Memary简介

Memary是一个开源项目,旨在为自主AI代理提供高效的记忆层。它的目标是通过模拟人类记忆的工作方式,帮助AI代理更好地管理和利用信息,从而提升其推理和决策能力。Memary的核心理念是,记忆对于人类的推理至关重要,同样也应该在构建AI代理时得到同等的重视。

Memary Logo

Memary项目由一群热衷于推动AI技术发展的开发者创建和维护。它采用MIT开源许可证,鼓励社区参与和贡献。项目的GitHub仓库提供了详细的文档、示例代码和使用指南,方便开发者快速上手和集成。

Memary的核心概念

Memary的设计基于几个核心概念,这些概念共同构成了其独特的记忆管理方法:

1. 自动生成的记忆

Memary能够自动捕获和存储代理与环境交互过程中产生的信息。这种自动化的记忆生成机制使得开发者无需手动管理记忆内容,大大简化了集成过程。同时,它还支持多个数据库的组合,为记忆存储提供了灵活性。

2. 记忆模块

Memary采用模块化设计,包括记忆流(Memory Stream)和实体知识存储(Entity Knowledge Store)两个主要组件。这种设计允许系统跟踪用户的偏好和兴趣变化,为分析和优化代理行为提供了基础。

3. 系统改进

Memary模仿人类记忆随时间演化和学习的过程。它能够跟踪代理的改进速度,帮助开发者了解代理的学习进展。

4. 记忆回溯

Memary保存了所有对话历史,使得开发者可以回溯代理的执行过程,并在特定时间点访问代理的记忆状态。这一功能对于调试和优化代理行为非常有用。

Memary的技术架构

Memary的技术架构包括几个关键组件,它们协同工作以提供全面的记忆管理解决方案:

代理系统

Routing Agent

Memary使用ReAct代理来规划和执行查询。这个代理配备了多种工具,其中最关键的是搜索工具,用于从知识图谱中检索信息。如果知识图谱中没有相关实体,代理会执行外部搜索。其他工具还包括基于LLaVa的计算机视觉功能和使用地理编码器和Google Maps的位置工具。

知识图谱

Knowledge Graph

Memary使用Neo4j图数据库来存储知识。它利用Llama Index将文档中的节点添加到图存储中,并使用Perplexity(基于mistral-7b-instruct模型)进行外部查询。知识图谱的使用场景包括:

  • 将代理的最终响应注入现有的知识图谱
  • 使用递归检索方法搜索知识图谱
  • 在处理多个关键实体的查询时,使用多跳推理来连接多个子图

这些技术减少了搜索整个知识图谱时的延迟。

记忆模块

Memory Module

记忆模块由记忆流和实体知识存储组成,其设计受到了微软研究院提出的K-LaMP模型的启发。

记忆流

记忆流捕获所有插入到知识图谱中的实体及其相关时间戳。它反映了用户知识的广度,即用户接触过的概念,但不推断接触的深度。记忆流支持以下功能:

  • 时间线分析:绘制交互的时间线,突出显示高度参与或主题焦点转移的时刻。
  • 提取主题:在交互中寻找重复出现的主题或话题。

实体知识存储

实体知识存储跟踪记忆流中存储的每个实体的引用频率和最近度。它反映了用户知识的深度,即用户更熟悉的概念。实体知识存储支持以下功能:

  • 按相关性排序实体:使用频率和最近度来对实体进行排序。
  • 对实体进行分类:根据实体的性质或提及的上下文将实体分组。
  • 突出显示随时间变化:识别实体排名或分类随时间的重大变化。

新的上下文窗口

New Context Window

Memary利用与用户相关的关键分类实体和主题来定制代理响应,使其更贴近用户当前的兴趣/偏好和知识水平/专业程度。新的上下文窗口由以下部分组成:

  • 代理响应
  • 最相关的实体
  • 聊天历史(经过总结以避免令牌溢出)

Memary的使用方法

要开始使用Memary,开发者需要遵循以下步骤:

  1. 安装Memary: 可以通过pip安装或从源代码本地安装。确保使用的Python版本不高于3.11.9。

  2. 指定使用的模型: Memary支持使用本地模型(通过Ollama)或OpenAI的模型。默认情况下,它会使用本地运行的模型,除非明确指定。

  3. 运行Memary:

    • 如果使用Ollama运行本地模型,需要按照相关仓库的说明进行设置。
    • 创建一个包含必要凭证的.env文件。
    • 获取所需的API凭证(如OpenAI、Neo4j、Perplexity等)。
    • 更新用户角色和系统角色(如果需要)。
    • 运行Streamlit应用程序。
  4. 基本用法: Memary提供了一个ChatAgent类,可以用来初始化和管理代理。开发者可以添加或删除自定义工具,以扩展代理的功能。

Memary的未来发展

Memary团队计划在未来添加更多功能,以进一步增强其记忆管理能力:

  1. 与代理记忆对话:提供一个聊天界面,允许用户访问、搜索和查看代理的记忆。

  2. 分析代理进展:提供相关指标,以展示代理记忆随时间的增长。

  3. 跟踪记忆:为每个生成的响应提供详细的代理记忆分析。

  4. 受众偏好:通过专有记忆模块推断受众在特定时期的偏好。

  5. memaryParse:支持解析和清理专有数据,并将其插入代理记忆。

  6. memaryRetrieval:使用不同技术检索代理记忆,并支持组合多个检索器。

  7. 可定制的记忆:允许用户查看、搜索和配置记忆,以及组合不同的记忆以改进检索。

  8. 游乐场:提供工具、模型和基准测试游乐场,方便开发者实验和优化。

结语

Memary为AI代理提供了一个强大的记忆管理解决方案,通过模拟人类记忆的工作方式,帮助代理更好地理解和利用信息。它的开源性质和灵活的架构使得开发者可以轻松集成和定制,以满足特定需求。随着项目的不断发展和社区的贡献,Memary有望在推动AI代理技术进步方面发挥重要作用。

对于那些希望深入了解Memary或为项目做出贡献的开发者,可以访问Memary的GitHub仓库获取更多信息。无论是构建更智能的聊天机器人,还是开发复杂的AI助手,Memary都为提升AI代理的记忆和认知能力提供了宝贵的工具和框架。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多