What is Memary ?
memary 是一个功能强大的Python库,精心打造,旨在为您的AI智能体赋予持久且类似人类的记忆结构,从而从根本上提升它们随时间推移进行推理和维持上下文的能力。它通过集成精密的知识管理和记忆分析模块,解决了大模型(LLM)短期上下文窗口的核心局限。 memary 专为致力于构建高级、个性化且真正上下文感知的AI智能体的开发者和工程师设计,为构建能够学习和进化的智能系统提供了坚实的基础。
核心特性
memary 可与您现有的智能体架构(支持通过 Ollama 或 OpenAI 的模型)无缝集成,以提供深度分析的记忆能力。
🧠 集成知识图谱(KG)管理
memary 利用专用图数据库(例如 FalkorDB)存储知识,使智能体能够超越简单的顺序记忆。它采用一种 递归检索方法,能够识别查询中的关键实体,构建局部子图,并利用这些上下文生成精确的响应。与搜索整个知识图谱相比,这项技术显著降低了延迟。
📈 双记忆模块:流式与存储
该系统将记忆分为两个互补的组成部分,模仿人类认知功能:
记忆流(Memory Stream): 捕获所有实体及其时间戳,提供广泛的接触与互动时间轴。这使得 Timeline Analysis 能够追踪用户兴趣的演变。
实体知识存储(Entity Knowledge Store): 追踪实体引用的 频率和近度。通过根据这些因素对实体进行排名,该存储反映了用户对特定概念的知识深度和熟悉程度,从而能够实现高度个性化的响应。
⚙️ 自动记忆生成与系统改进
一旦初始化, memary 便会在智能体交互过程中自动更新其记忆结构,捕获所有相关记忆,无需开发者进行额外干预。这种持续演进的反馈闭环模仿了人类记忆随时间学习的方式,为智能体的持续改进提供了明确的路径。
🧩 灵活的模型与工具支持
开发者可以完全掌控底层模型。 memary 支持通过 Ollama 运行的本地模型(建议使用 Llama 3, LLaVA)或远程服务(GPT-3.5-turbo, GPT-4-vision-preview)。此外,您可以轻松地为智能体添加或移除自定义外部工具(例如:搜索、视觉、股票),以扩展其功能。
👥 多智能体与多图谱上下文切换
当使用诸如 FalkorDB 之类的图数据库时, memary 能够创建和管理 多个不同的智能体,每个智能体对应一个独特的知识图谱 ID。这项功能对于需要管理个性化上下文的开发者至关重要,它允许在不同用户画像或项目之间无缝切换,同时避免记忆混淆。
应用场景
memary 专为上下文深度、个性化和长期记忆对用户体验至关重要的场景而设计。
开发个性化研究助手: 构建一个智能体,不仅能记住收集到的事实,还能记住用户特定的研究方法、偏好来源和先前的结论。实体知识存储确保智能体优先处理最近或频繁引用的主题,为正在进行的项目提供高度相关的上下文。
扩展和管理不同的用户画像: 对于支持多个不同用户的平台,可利用多图谱能力为每个用户 ID 分配独特的记忆结构。这确保了用户 A 的个人偏好、聊天历史和知识库与用户 B 完全分离,从而实现大规模的真正个性化。
提升对话清晰度和效率: 应用 memary 的记忆压缩技术,有效管理大模型(LLM)上下文窗口。通过总结过往对话,并仅将 最相关的实体 与智能体的响应一同注入,您可以确保智能体维持长期上下文,同时避免过多的 token 消耗或偏离焦点。
为何选择 memary?
memary 提供了独特的架构优势,使其区别于标准的向量数据库检索系统,为开发者带来了真正的信息增益。
通过多跳推理加速检索: 当复杂查询涉及多个关键实体时, memary 利用 多跳推理 来连接多个相关子图。这种智能遍历确保智能体能够快速准确地回答复杂且相互关联的问题,这是标准单次检索通常难以匹敌的能力。
深度上下文洞察: 与简单的聊天历史存储不同, memary 的记忆模块执行分析功能(时间线、频率、近度分析),以推断用户的知识水平和偏好。这使得智能体能够更精确地根据用户的专业水平和当前兴趣定制响应。
为集成而生: memary 秉持最小化实施工作量的原则构建。它可轻松集成到现有智能体框架中,尽管目前提供了一个简单的 ReAct 智能体实现用于演示,但其未来设计致力于支持来自任何提供商的任何类型的智能体。
总结
通过提供结构化、分析性且持久的记忆框架, memary 使开发者能够突破无状态 AI 智能体的局限。它确保您的应用程序能够维持深度上下文,从交互中学习,并提供个性化、富有洞察力的体验。
立即探索 memary 如何将您的 AI 智能体转变为真正智能、可靠的伙伴。





