理想中的 AI Agent 智能体，应具备类似人类的思维与推理能力，能够处理复杂任务，并展现出创造性。在这个过程中，"记忆"对于 AI Agent 智能体来说是一个至关重要的组成部分。

正如人类依赖记忆进行学习、成长以及与世界的互动，人工智能体同样需要强大的记忆功能来提升其性能。设想一下，如果一个 AI Agent 智能体在每次交互后都丢失了之前的对话和所学知识，那么它将无法深刻理解用户的意图，也无法高效地执行任务。

装上记忆，AI Agent 智能体牛了！_语言模型

为此，Memary 应运而生。这是一个旨在增强 AI Agent 智能体记忆能力的创新框架，它模仿人类的记忆机制，使得智能体能够回顾过去、理解当前，并更准确地预见未来。

一、Memary 是什么？

Memary：为 AI Agent 智能体赋予“记忆”的超能力

Memary 的核心理念是模拟人类的思维和记忆过程。它打破了传统 AI 仅限于简单数据存储的记忆模式，采取了一种更为动态和相互关联的方法来管理 AI Agent 智能体的记忆，使得 AI Agent 智能体能够深入理解信息的内涵和联系，而非仅仅进行数据的机械积累。

Memary：主要优势

  • 自动建立记忆：Memary 能够在 AI Agent 智能体运行时自动捕捉和构建记忆，无需人工介入，节省时间和精力，实现高效便捷的记忆管理。
  • 仿人记忆架构：Memary 借鉴了人类记忆的特质，将记忆分为“记忆流”和“实体知识库”，分别捕捉用户知识的广度和深度，从而让 AI Agent 智能体对用户有更全面的认识。
  • 智能搜索：不同于传统的关键词搜索，Memary 结合了知识图谱和递归搜索技术，能够迅速而精确地定位所需信息，即使面对复杂的查询也能轻松应对。
  • 动态记忆更新：Memary 的记忆系统并非静止不变，它会随着 AI Agent 智能体的交互活动而持续更新和发展，类似于人类的学习和成长过程。
  • 性能监控：Memary 提供可视化的仪表盘，助力开发者深入分析 AI Agent 智能体的记忆和性能表现，为系统优化提供了数据支撑。

二、Memary 架构设计剖析

Memary 的架构设计巧妙精密，主要包括以下几个核心组成部分：

装上记忆，AI Agent 智能体牛了！_自然语言处理_02

  1. 路由智能体（Routing Agent）： 担当接收用户输入的角色，并根据不同的任务类型，挑选恰当的工具进行后续处理。
  2. 知识图谱（Knowledge Graph）： 采用图形化结构存储信息，其中节点代表实体，边则表示实体间的相互关系，这样的设计使得智能体能够把握信息之间的内在联系。
  3. 记忆模块（Memory Module）： 负责处理智能体的记忆管理，具体包括：
  • 记忆流（Memory Stream）：记录所有接触过的实体及其对应的时间戳，展现了用户知识的广泛性。
  • 实体知识存储（Entity Knowledge Store）：记录每个实体的引用频次和最新时间信息，体现了用户知识的深度。
  1. 新型上下文窗口： 通过整合智能体的回答、相关实体以及简化的聊天记录，实现更精确的回复。

Memary 的工作流程可以简述如下：

  • 用户向智能体提出查询请求。
  • 路由智能体解析查询内容，并决定使用适当的工具（例如搜索或视觉处理等）。
  • 当需要从知识图谱中提取信息时，Memary 运用递归检索和多跳推理技术，迅速锁定相关实体。
  • 智能体生成回答，并将其存入知识图谱中。
  • 记忆模块随着知识图谱的更新，自动对记忆流和实体知识存储进行同步更新。

三、Memary 如何部署运行？

Memary 的部署和使用过程简单便捷，只需遵循以下4步即可轻松实现：

第一步、安装

Memary可通过pip命令或本地安装包两种方式快速安装。

第二步、配置

通过提供的.env文件，您可以轻松配置所需的 API 密钥，比如：OpenAI、Perplexity、Google Maps 等。

第三步、个性化设置

根据个人需求，您可以修改用户配置文件和系统配置文件。

第四步、启动应用

使用命令 streamlit run app.py 即可启动 Memary 应用。

Memary 项目地址
https://github.com/kingjulio8238/Memary/tree/main