Mem0：開源上線一天摘得13K星！！淘汰RAG成為LLM最強輔助！！

2024-07-22碼農

獲OpenAI 370萬美金投資的爆火的 AI 套用⚡️— Dot，背後的核心技術「 超強個性記憶 」，被Mem0 開源了！

大家是否見過有記憶能力的AI？🤔

回想電影裏的機器人好像都像人類一樣具有記憶功能，但這對現實的技術發展來說比較困難。

不過 Mem0 的開源，讓這一切都變成了可能。🔥

Mem0上線GitHub僅僅2天就已經達到 13K 🌟！

Mem0有助於更好地了解使用者及其偏好，比如他們是誰、他們做什麽、他們的位置、編碼、寫作和其他偏好，能夠實作真正 個人化的AI互動 。

掃碼加入AI交流群

獲得更多技術支持和交流

計畫簡介

Mem0的目標是提供一個 智慧的、自我改進的記憶體系統 ，能夠根據使用者互動儲存、回憶和完善資訊，使AI互動更加個人化和具有上下文感知能力。

Mem0使AI系統能夠維護針對特定使用者、特定會話和特定代理的記憶體，這有助於在不同平台和裝置上提供一致且客製的使用者體驗。

Mem0允許開發者透過一個開發者API輕松地將這種記憶體功能 整合到不同的套用 中，最終實作跨應用程式的 個人化AI體驗 。

核心功能

1️⃣使用者、會話和AI代理記憶體 ：跨使用者會話、互動和 AI 代理保留資訊，確保連續性和上下文。

2️⃣自適應個人化 ：根據使用者互動和反饋不斷改進個人化。

3️⃣開發人員友好API ：提供簡單的 API，可無縫整合到各種應用程式中。

4️⃣平台一致性 ：確保不同平台和裝置上的行為和數據一致。

5️⃣托管服務 ：提供托管解決方案，以便於部署和維護。

技術對比

想到輔助增強LLM功能的技術，無疑 RAG 是目前最熱門最有效的技術。但Mem0可以說是RAG前進演化的下一個階段！🧬

✅實體關系 ：Mem0 可以理解和關聯不同互動中的實體，而 RAG 則從靜態文件中檢索資訊。這可以更深入地理解上下文和關系。

✅新近度、相關性和衰減 ：Mem0 優先考慮最近的互動並逐漸忘記過時的資訊，確保記憶保持相關性和最新性，以便做出更準確的響應。

✅情境連續性 ：Mem0 在會話之間保留資訊，保持對話和互動的連續性，這對於長期參與應用程式至關重要。

✅自適應學習 ：Mem0 根據使用者互動和反饋提高其個人化，使得記憶更加準確，並隨著時間的推移更適合個人使用者。

✅動態更新 ：Mem0可以使用新資訊和互動動態更新其記憶體，而不像 RAG 那樣依賴靜態數據。這允許即時調整和改進，從而增強使用者體驗。

🚀 入門使用

首先安裝匯入Mem0庫

pip install mem0ai

對Mem0進行初始化

from mem0 import Memorym = Memory()

輸入儲存記憶並輸出

result = m.add("Likes to play cricket on weekends", user_id="alice", metadata={"category": "hobbies"})print(result)

得到輸出的記憶結果

[ {'id': 'm1','event': 'add','data': 'Likes to play cricket on weekends' }]

找回記憶並輸出

# Get all memoriesall_memories = m.get_all()print(all_memories)

輸出結果

[ {'id': 'm1','text': 'Likes to play cricket on weekends','metadata': {'data': 'Likes to play cricket on weekends','category': 'hobbies' } },# ... other memories ...]

對保存的記憶進行搜尋

related_memories = m.search(query="What are Alice's hobbies?", user_id="alice")print(related_memories)

輸出結果

[ {'id': 'm1','text': 'Likes to play cricket on weekends','metadata': {'data': 'Likes to play cricket on weekends','category': 'hobbies' },'score': 0.85 # Similarity score }, # ... other related memories ...]