Mem0 AI：开源一天斩获万星！超越 RAG、为LLM、Agent加上超强个性记忆！
Mem0 AI：开源一天斩获万星！超越 RAG、为LLM、Agent加上超强个性记忆！
Aitrainee | 公众号：AI进修生
🌟Mem0 为大型语言模型提供了一个智能、自我改进的内存层，从而实现跨应用程序的个性化 AI 体验。
https://github.com/mem0ai/mem0
Hi，这里是Aitrainee，欢迎阅读本期新文章。
最近，OpenAI 投资了 370 万美金给一个叫 Dot 的应用，这个应用背后的核心技术是「超强个性记忆」，现在由 Mem0 开源了。
Mem0 在 GitHub 上开源仅 1 天就斩获近万星，超越 RAG、为LLM和Agent提供长期记忆。
Mem0 有几个厉害的地方：
- 多层次的记忆：它能记住用户的偏好、过去的交互、事情的进展，就像你跟朋友聊天，朋友能记住你喜欢什么、不喜欢什么。
- 自适应的个性化：从交互中持续学习，越用越聪明，真是个贴心的小助手。
- 跨平台、API 友好：支持私有化部署，开发者可以轻松集成到各种平台。
Mem0 与 RAG 有何不同？
Mem0 可以用在很多场景，比如虚拟陪伴、生产力工具、健康关怀和 AI 客户支持等。
Mem0 是 RAG（Retrieval-Augmented Generation）技术的升级版。RAG 是从静态文档中检索信息，而 Mem0 更聪明：
- 它关注实体和实体关系，能理解更复杂的信息。
- 它关注最近、最相关的信息，还会遗忘不重要的东西。
- 它能接力上下文，理解前后文的关系。
- 它会动态更新信息，适应性学习。
Mem0 的核心价值是为个性化 AI 构建记忆层，这让 AI 更加智能和人性化。
OpenAI 投资的 Dot 应用已经上架 iOS，感兴趣的可以去试试。Mem0 的官方文档在这里：
https://docs.mem0.ai/integrations/multion
支持的大模型
如何在现有应用程序中使用mem0？
使用 Mem0，你可以创建基于 LLM 有状态的应用程序，例如聊天机器人、虚拟助理或 AI 代理。Mem0 通过提供做出响应的内存层来增强您的应用程序：
- 更个性化
- 更可靠
- 通过减少LLM交互次数来实现成本效益
- 更吸引人
- 启用长期记忆
以下是 Mem0 如何集成到各种应用程序中的一些示例：
常见用例：
- • 个性化学习助手：长期记忆使学习助手能够记住用户的偏好、过去的互动和进度，从而提供更加定制化、有效的学习体验
- • 客户支持 AI 代理：通过保留以前交互的信息，客户支持机器人可以提供更准确、更具情境感知的帮助，提高客户满意度并缩短解决时间。
- • 医疗助理：长期记忆使医疗助理能够跟踪患者病史、用药时间表和治疗计划，确保个性化和一致的护理。
- • 虚拟伴侣：虚拟伴侣可以利用长期记忆，通过记住个人详细信息、偏好和过去的对话来与用户建立更深层次的关系，使互动更有意义。
- • 生产力工具：长期记忆可帮助生产力工具记住用户习惯、常用文档和任务历史记录，从而简化工作流程并提高效率。
- • 游戏 AI：在游戏中，具有长期记忆的 AI 可以通过记住玩家的选择、策略和进度并相应地调整游戏环境来创造更身临其境的体验。
🚀 快速入门
快速开始使用 Mem0！
欢迎来到 Mem0 快速入门指南。本指南将帮助您迅速上手 Mem0。
安装
要安装 Mem0，您可以使用 pip。在终端中运行以下命令：
pip install mem0ai基本用法
初始化 Mem0
基础
from mem0 import Memory
m = Memory()存储记忆
# 对用户存储记忆
result = m.add("Likes to play cricket on weekends", user_id="alice", metadata={"category": "hobbies"})
print(result)输出：
[
{
'id': 'm1',
'event': 'add',
'data': 'Likes to play cricket on weekends'
}
]检索记忆
# 获取所有记忆
all_memories = m.get_all()
print(all_memories)输出：
[
{
'id': 'm1',
'text': 'Likes to play cricket on weekends',
'metadata': {
'data': 'Likes to play cricket on weekends',
'category': 'hobbies'
}
},
# 其他记忆...
]
# 通过 ID 获取单个记忆
specific_memory = m.get("m1")
print(specific_memory)输出：
{
'id': 'm1',
'text': 'Likes to play cricket on weekends',
'metadata': {
'data': 'Likes to play cricket on weekends',
'category': 'hobbies'
}
}搜索记忆
related_memories = m.search(query="What are Alice's hobbies?", user_id="alice")
print(related_memories)输出：
[
{
'id': 'm1',
'text': 'Likes to play cricket on weekends',
'metadata': {
'data': 'Likes to play cricket on weekends',
'category': 'hobbies'
},
'score': 0.85 # 相似度得分
},
# 其他相关记忆...
]更新记忆
result = m.update(memory_id="m1", data="Likes to play tennis on weekends")
print(result)输出：
{
'id': 'm1',
'event': 'update',
'data': 'Likes to play tennis on weekends'
}记忆历史
history = m.history(memory_id="m1")
print(history)输出：
[
{
'id': 'h1',
'memory_id': 'm1',
'prev_value': None,
'new_value': 'Likes to play cricket on weekends',
'event': 'add',
'timestamp': '2024-07-14 10:00:54.466687',
'is_deleted': 0
},
{
'id': 'h2',
'memory_id': 'm1',
'prev_value': 'Likes to play cricket on weekends',
'new_value': 'Likes to play tennis on weekends',
'event': 'update',
'timestamp': '2024-07-14 10:15:17.230943',
'is_deleted': 0
}
]删除记忆
m.delete(memory_id="m1") # 删除单个记忆
m.delete_all(user_id="alice") # 删除所有记忆重置记忆
m.reset() # 重置所有记忆希望这篇文章对你有帮助，感谢阅读！
腾讯云开发者
