认识 Memoripy：一个为 AI 应用程序带来真正内存功能的 Python 库

人工智能系统常常难以在扩展交互中保留有意义的上下文。这种限制给聊天机器人和虚拟助理等应用程序带来了挑战，在这些应用程序中，保持连贯的对话线程至关重要。大多数传统人工智能模型以无状态方式运行，仅关注即时输入，而不考虑先前交换的连续性。缺乏有效的记忆会导致交互碎片化和不一致，从而阻碍了构建真正引人入胜、上下文敏感的人工智能系统的能力。

认识一下 Memoripy：一个为 AI 应用程序带来真正的内存功能的 Python 库。Memoripy 通过为人工智能系统配备结构化记忆来解决维持对话上下文的问题，使它们能够有效地存储、回忆和构建先前的交互。Memoripy 提供短期和长期记忆存储，使人工智能系统能够保留最近交互的上下文，同时长期保留重要信息。通过以模仿人类认知的方式构建记忆（优先考虑最近发生的事件并保留关键细节），Memoripy 可确保交互随着时间的推移保持相关性和连贯性。

Memoripy 将记忆组织成短期和长期集群，从而可以优先考虑最近的交互以便立即回忆，同时保留重要的历史交互以供将来使用。这可以防止人工智能因过多数据而不堪重负，同时确保相关信息可访问。Memoripy 还实现了语义聚类，将相似的记忆分组在一起以促进高效的上下文检索。这种能力使人工智能系统能够快速识别和链接相关记忆，从而提高响应质量。此外，Memoripy还结合了记忆衰减和强化机制，不太有用的记忆逐渐消失，而经常访问的记忆得到强化，反映了人类记忆的原理。Memoripy 的设计强调本地存储，这使得开发人员能够完全在本地基础设施上处理内存操作。这种方法减轻了隐私问题，并提供了与本地托管语言模型以及 OpenAI 和 Ollama 等外部服务集成的灵活性。

为了说明如何将 Memoripy 集成到 AI 应用程序中，请考虑以下示例：

从 memoripy 导入 MemoryManager、JSONStoragedef main():# 将 'your-api-key' 替换为您的实际 OpenAI API 密钥api_key = "你的密钥"如果不是 api_key:raise ValueError("请设置您的 OpenAI API 密钥。")# 定义聊天和嵌入模型chat_model = "openai" # 选择“openai”或“ollama”进行聊天chat_model_name = "gpt-4o-mini" # 具体聊天模型名称embedding_model = "ollama" # 选择 'openai' 或 'ollama' 进行嵌入embedding_model_name = "mxbai-embed-large" # 具体嵌入模型名称# 选择您的存储选项storage_option = JSONStorage("interaction_history.json")# 使用选定的模型和存储初始化 MemoryManager内存管理器 = 内存管理器(api_key=api_key,聊天模型=聊天模型，chat_model_name=chat_model_name,嵌入模型=嵌入模型，embedding_model_name=embedding_model_name,存储=存储选项）# 新用户提示new_prompt = "我的名字是卡扎尔"# 从历史记录中加载最后 5 次交互（用于上下文）短期，_=内存管理器.load_history()last_interactions = Short_term[-5:] 如果 len(short_term) >= 5 否则short_term# 检索过去的相关交互，不包括最后 5 个related_interactions = memory_manager.retrieve_relevant_interactions(new_prompt, except_last_n=5)# 使用最后的交互和检索到的交互生成响应响应= memory_manager.generate_response（new_prompt，last_interactions，relevant_interactions）# 显示响应print(f"生成的响应：\n{response}")# 提取新交互的概念组合文本 = f“{new_prompt} {响应}”概念 = memory_manager.extract_concepts(combined_text)# 存储这个新的交互及其嵌入和概念new_embedding = memory_manager.get_embedding(combined_text)memory_manager.add_interaction（new_prompt，响应，new_embedding，概念）如果 __name__ == "__main__":主要的（）

在此脚本中，内存管理器使用指定的聊天和嵌入模型以及存储选项进行初始化。处理新的用户提示，系统检索相关的过去交互以生成上下文适当的响应。然后将交互及其嵌入和提取的概念存储起来以供将来参考。

Memoripy 在构建更具情境感知能力的人工智能系统方面提供了重要的进步。保留和调用相关信息的能力使得虚拟助理、对话代理和客户服务系统的开发成为可能，从而提供更加一致和个性化的交互。例如，使用 Memoripy 的虚拟助理可以记住用户偏好或先前请求的详细信息，从而提供更有针对性的响应。初步评估表明，结合 Memoripy 的人工智能系统表现出更高的用户满意度，产生更连贯和上下文适当的响应。此外，Memoripy 对本地存储的重视对于注重隐私的应用程序至关重要，因为它允许安全地处理数据而无需依赖外部服务器。

总之，Memoripy 通过提供增强上下文保留和连贯性的真实记忆功能，代表着向更复杂的人工智能交互迈出了重要一步。通过以密切模仿人类认知过程的方式构建记忆，Memoripy 为人工智能系统铺平了道路，该系统可以根据累积的用户交互进行调整，并提供更加个性化、情境感知的体验。该库为开发人员提供了创建人工智能所需的工具，该人工智能不仅可以处理输入，还可以以有意义的方式从交互中学习。

查看GitHub 存储库。这项研究的所有功劳都归功于该项目的研究人员。另外，不要忘记关注我们 叽叽喳喳并加入我们的 电报频道和 领英 集团奥普。如果您喜欢我们的工作，您就会喜欢我们的新闻通讯..不要忘记加入我们的 55k+ ML SubReddit。

[免费人工智能网络研讨会]利用 GenAI 在金融服务和房地产交易中实施智能文档处理—从框架到生产