Memary：构建智能代理的人类记忆模拟框架

Memary：构建智能代理的人类记忆模拟框架

memary Longterm Memory for Autonomous Agents. 项目地址: https://gitcode.com/gh_mirrors/me/memary

---

安装指南

Memary是一个高级的人工智能助手框架，它模仿人类的记忆发展过程以增强自主智能代理的能力。以下是两种安装方法：

通过pip安装

确保您的Python版本为3.11.9或更低版本，然后在命令行执行以下命令：

pip install memary

局部安装与依赖管理

1. 创建一个指定Python版本（<=3.11.9）的虚拟环境。
2. 在该环境中，使用下面的命令安装项目所需的依赖：

pip install -r requirements.txt

使用说明

Memary设计用于与AI代理协同工作，提升其基于记忆的学习与推理能力。以下是基本操作流程：

1. 配置环境：如果您计划本地运行模型（如通过Ollama），请遵循Ollama仓库中的指示进行设置。
2. API密钥准备：创建或更新.env文件，填入必要的API密钥（如OpenAI, Neo4j等）。
3. 个性化设置：编辑streamlit_app/data/user_persona.txt和可选的streamlit_app/data/system_persona.txt以自定义代理的行为。
4. 运行应用：进入streamlit_app目录并启动应用：

   streamlit run app.py
   

项目API使用文档

Memary的核心在于与代理交互的API调用，简化为以下步骤：

• 初始化ChatAgent:

  from memary.agent.chat_agent import ChatAgent
  
  chat_agent = ChatAgent(
      agent_name="Personal Assistant",
      # 指定记忆流、实体知识库等路径
      ...
  )
  

• 自定义工具集成: 添加或移除特定功能到您的代理中：

  def multiply(a: int, b: int): 
      return a * b
  
  chat_agent.add_tool({"multiply": multiply})  # 添加工具
  chat_agent.remove_tool("multiply")           # 移除工具
  

项目核心概念

Memary体系结构围绕自动记忆生成、记忆模块分析和系统进步跟踪而构建。它旨在最小化开发者需要编写的代码量，并提供一个直观的界面来监控代理的记忆进化。

快速互动与分析

• 用户可以通过对话接口访问特定记忆。
• 分析功能让您可以追踪代理记忆力随时间的增长。
• 记忆回溯功能即将推出，将允许您审查和理解特定响应背后的记忆链路。

结语

Memary不仅提供了强大的技术栈支持，而且通过其高度定制化的工具集和记忆管理策略，推动了AI代理向更加智能、人性化的方向发展。无论是初始配置还是日常使用，上述指导都将助您顺畅地探索和利用这个强大框架的所有潜力。

---

本文档概括了从安装到使用的全过程，以及如何利用Memary的关键组件来优化您的智能代理。记住，随着不断的实践与探索，您将能够更深入地了解和掌握Memary的全部能力。

memary Longterm Memory for Autonomous Agents. 项目地址: https://gitcode.com/gh_mirrors/me/memary