Memary

memary es una robusta biblioteca de Python diseñada para dotar a sus agentes de IA con estructuras de memoria persistentes y similares a las humanas, impulsando fundamentalmente su capacidad de razonar y mantener el contexto a lo largo del tiempo. Aborda la limitación intrínseca de las ventanas de contexto a corto plazo de los LLM mediante la integración de módulos sofisticados de gestión del conocimiento y análisis de la memoria. Creada para desarrolladores e ingenieros que construyen agentes de IA avanzados, personalizados y verdaderamente conscientes del contexto, memary proporciona la base esencial para construir sistemas inteligentes que aprenden y evolucionan.

Características Principales

memary se integra a la perfección con su arquitectura de agente existente (compatible con modelos a través de Ollama u OpenAI) para proporcionar capacidades de memoria profundas y analíticas.

🧠 Gestión Integrada de Grafos de Conocimiento (KG)

memary utiliza una base de datos de grafos dedicada (por ejemplo, FalkorDB) para almacenar conocimiento, permitiendo a los agentes ir más allá de la memoria secuencial simple. Emplea un enfoque de recuperación recursiva que determina las entidades clave en una consulta, construye un subgrafo localizado y utiliza ese contexto para generar respuestas precisas. Esta técnica reduce drásticamente la latencia en comparación con la búsqueda en un grafo de conocimiento completo.

📈 Módulos de Memoria Duales: Stream y Store

El sistema divide la memoria en dos componentes complementarios, emulando las funciones cognitivas humanas:

• Memory Stream: Captura todas las entidades y sus marcas de tiempo, proporcionando una línea de tiempo amplia de exposición e interacción. Esto permite un Timeline Analysis para seguir la evolución de los intereses del usuario.

• Entity Knowledge Store: Registra la frecuencia y la actualidad de las referencias de entidades. Al clasificar las entidades en función de estos factores, el almacén refleja la profundidad de conocimiento y la familiaridad del usuario con conceptos específicos, permitiendo respuestas altamente personalizadas.

⚙️ Generación Automática de Memoria y Mejora del Sistema

Una vez inicializado, memary actualiza automáticamente la estructura de memoria del agente a medida que interactúa, capturando todas las memorias relevantes sin necesidad de intervención adicional del desarrollador. Este bucle de retroalimentación constante y evolutivo imita cómo la memoria humana aprende con el tiempo, proporcionando un camino claro para la mejora continua del agente.

🧩 Soporte Flexible para Modelos y Herramientas

Los desarrolladores mantienen un control total sobre los modelos subyacentes. memary es compatible con modelos locales que se ejecutan a través de Ollama (se sugieren Llama 3, LLaVA) o servicios remotos (GPT-3.5-turbo, GPT-4-vision-preview). Además, se pueden añadir o eliminar fácilmente herramientas externas personalizadas (por ejemplo, search, vision, stocks) al agente para expandir sus capacidades funcionales.

👥 Cambio de Contexto Multi-Agente y Multi-Grafo

Al utilizar una base de datos de grafos como FalkorDB, memary permite la creación y gestión de múltiples agentes distintos, cada uno correspondiente a una ID de grafo de conocimiento única. Esta funcionalidad es crucial para los desarrolladores que necesitan gestionar contextos personalizados, permitiendo transiciones fluidas entre diferentes personas de usuario o proyectos sin que las memorias se mezclen.

Casos de Uso

memary está diseñada para escenarios donde la profundidad contextual, la personalización y la memoria a largo plazo son críticas para la experiencia del usuario.

¿Por qué elegir memary?

memary ofrece ventajas arquitectónicas únicas que lo distinguen de los sistemas estándar de recuperación de bases de datos vectoriales, proporcionando una ventaja informativa real para los desarrolladores.

• Recuperación Acelerada mediante Razonamiento Multi-Salto: Cuando las consultas complejas involucran múltiples entidades clave, memary utiliza el razonamiento multi-salto para unir varios subgrafos relevantes. Este recorrido inteligente asegura que el agente pueda responder preguntas complejas e interconectadas de manera rápida y precisa, una capacidad que la recuperación estándar de una sola pasada a menudo tiene dificultades para igualar.

• Análisis Contextual Profundo: A diferencia del almacenamiento simple del historial de chat, el Módulo de Memoria de memary realiza funciones analíticas (análisis de línea de tiempo, frecuencia, actualidad) para inferir el conocimiento y las preferencias del usuario. Esto permite a los agentes adaptar las respuestas con mayor precisión al nivel de experiencia y los intereses actuales del usuario.

• Diseñado para la Integración: memary está construido sobre el principio de un esfuerzo mínimo de implementación. Se integra en los marcos de agente existentes, y aunque actualmente proporciona una implementación simple de agente ReAct para demostración, su diseño futuro se centra en soportar cualquier tipo de agente de cualquier proveedor.

Conclusión

Al proporcionar un marco de memoria estructurado, analítico y persistente, memary empodera a los desarrolladores para trascender las limitaciones de los agentes de IA sin estado. Garantiza que sus aplicaciones puedan mantener un contexto profundo, aprender de las interacciones y ofrecer experiencias personalizadas y perspicaces.

Explore hoy mismo cómo memary puede transformar sus agentes de IA en socios verdaderamente inteligentes y confiables.