成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

LangMem 發布:任何人都能輕松構建智能體記憶! 精華

發布于 2025-2-21 11:51
瀏覽
0收藏

今天,我們正式發布了 LangMem SDK——一個幫助您的代理通過長期記憶不斷學習和改進的工具庫。

這個 SDK 提供了一些工具,能夠從對話中提取信息、通過更新提示詞優化代理行為,并保持關于行為、事實和事件的長期記憶。

您可以將 LangMem 的核心 API 與任何存儲系統配合使用,也能在任何代理框架中集成。它還與 LangGraph 的長期記憶層原生兼容。我們還推出了一項托管服務,提供額外的長期記憶功能,并且免費提供——如果您希望在生產環境中使用,您可以通過此鏈接注冊。

我們的目標是讓任何人都能夠更容易地構建那些隨著時間推移,變得更加智能和個性化的 AI 體驗。這項工作建立在我們之前推出的 LangMem alpha 服務和 LangGraph 的持久化 長期記憶層的基礎上。

安裝方法很簡單,只需運行:

pip install -U langmem

記憶與自適應代理

代理通過記憶來學習,但其記憶的形成、存儲、更新和調用方式,會影響代理能夠學到哪些知識,或者執行哪些任務。在 LangChain,我們發現,首先識別代理所需學習的能力,并將這些能力與特定的記憶類型或方法對應起來,之后再在代理中實現這些功能,是非常重要的。在添加記憶之前,您應該先考慮以下幾個問題:

  • 哪些行為應該由用戶反饋學習,哪些應該是預定義的?
  • 應該跟蹤哪些類型的知識或事實?
  • 什么條件下記憶應該被調用?

盡管有一些重疊,每種記憶類型在構建自適應代理時都有其獨特的功能:

記憶類型

目的

代理示例

人類示例

典型存儲方式

語義記憶

知識與事實

用戶偏好、知識三元組

知道 Python 是一種編程語言

配置文件或集合

事件記憶

過去的經驗

少量示例、過去對話的總結

記得第一天上班的情景

集合

程序記憶

系統行為

核心個性和響應模式

知道如何騎自行車

提示規則或集合

回到上面的問題:

  • 哪些行為應該被學習,哪些應該是固定的?您的代理行為中的某些部分可能需要根據用戶反饋和經驗進行調整,而其他部分應該保持一致。這個問題將幫助您決定是否需要程序記憶來讓行為模式不斷進化,還是固定的提示規則就能滿足需求。這類似于 OpenAI 模型規范中的“指揮鏈”概念,因為學習的行為是通過與用戶的互動來塑造的。
  • 應該跟蹤哪些類型的知識或事實?不同的應用場景需要不同類型的記憶持久化。您可能需要語義記憶來存儲有關用戶或領域的事實,事件記憶來從成功的交互中學習,或者兩者結合使用。
  • 什么條件下應該回憶起記憶?有些記憶(如核心程序記憶)是數據獨立的——它們始終存在于提示詞中。其他記憶可能是數據相關的,根據語義相似度來調用。有些記憶則可能根據應用上下文、相似度、時間等因素來觸發回憶。

另一個需要關注的問題是記憶的隱私性。在 LangMem 中,每條記憶都有一個命名空間。最常見的命名空間是使用 ??use_id??,以避免不同用戶之間的記憶交叉。一般來說,記憶可以限定在特定的應用路由、特定的用戶,或者跨團隊共享,代理也可以學習所有用戶的核心行為模式。記憶的共享程度由隱私和性能需求決定。

這些記憶類型旨在處理超越單一對話的記憶。在 LangGraph 中,給定對話或線程內的記憶已經通過檢查點功能得到了合理處理(只要它不超出模型的有效上下文窗口),這充當了代理的“短期”或“工作”記憶系統。

這與標準的 RAG 系統有所不同,具體體現在兩個方面:首先是信息獲取的方式:是通過交互,而不是通過離線數據攝取。其次是優先處理的信息類型。接下來,我們將詳細介紹這些記憶類型。

語義記憶:事實

語義記憶存儲關鍵的事實和它們之間的關系,以及其他能為代理提供支持的信息。它讓代理能夠記住那些模型無法“預訓練”的重要細節,而這些信息在網頁搜索或通用檢索器中是無法獲取的。

LangMem 發布:任何人都能輕松構建智能體記憶!-AI.x社區

memories = [
    ExtractedMemory(
        id="27e96a9d-8e53-4031-865e-5ec50c1f7ad5",
        cnotallow=Memory(
            cnotallow="Alice 管理著 ML 團隊,并且指導 Bob,Bob 也是團隊成員。"
        ),
    ),
    ExtractedMemory(
        id="e2f6b646-cdf1-4be1-bb40-0fd91d25d00f",
        cnotallow=Memory(
            cnotallow="Bob 現在領導 ML 團隊并負責 NLP 項目。"
        ),
    ),
]

在我們經驗中,語義記憶是工程師在首次尋求添加記憶層時最常想要的記憶類型(可能在短期“對話歷史”記憶之后)。

它(可以說)與傳統的 RAG 系統最為相似。如果某些知識可以從其他存儲(如文檔、代碼庫等)中獲取,且該存儲被認為是權威來源(而非交互本身),那么您的代理可以通過直接檢索該知識庫中的信息來正常工作。或者,您也可以定期將這些知識引入語義記憶系統。如果這些知識涉及個性化(關于用戶的)或者是原材料中找不到的概念關系,那么語義記憶將非常適合您的需求。

程序記憶:行為的演變

程序記憶代表了內化的如何做的知識。它與事件記憶的不同之處在于,它專注于一般化的技能、規則和行為。對于 AI 代理,程序記憶是保存在模型權重、代理代碼和代理提示中的,決定了代理的功能。在 LangMem 中,我們將程序記憶視為通過更新代理提示來保存的學習到的指令。

LangMem 發布:任何人都能輕松構建智能體記憶!-AI.x社區

"""
你是一個樂于助人的助手..
    如果用戶詢問天文學問題,使用真實世界的例子和當前的科學數據清晰地解釋相關話題。
    在有幫助時使用視覺參考,并根據用戶的知識水平做出調整。
    平衡實際的天文觀察和理論概念,基于用戶需求提供觀測建議或技術解釋。
"""

優化器會根據成功與不成功的交互,識別出有效的行為模式,并更新系統提示來強化這些行為。這形成了一個反饋回路,使代理的核心指令根據觀察到的表現不斷演變。

事件記憶:經歷與事件

事件記憶存儲的是過去交互的記憶。它與程序記憶的不同之處在于,它專注于回憶具體的經歷,而不是一般化的知識。它也與語義記憶不同,因為它關注的是過去的事件,而不是普遍的事實,它回答的是“代理如何解決了一個特定的問題”,而不僅僅是“答案是什么”。事件記憶通常以少量示例的形式存在,每個示例都提煉自較長的原始交互。目前,LangMem 還不支持專門為事件記憶設計的實用工具。

立即體驗

您可以通過查看 文檔,了解更多關于如何使用 LangMem 實現自定義記憶系統的示例,包括以下內容:

  • 創建一個能夠主動管理自己記憶的代理
  • 在代理之間共享記憶
  • 為記憶命名空間,以便按用戶或團隊組織信息
  • 將 LangMem 集成到您自定義的框架中

通過這種方式,LangMem SDK 為代理提供了一個全新的長期記憶管理系統,使得 AI 代理能夠在長期互動中不斷進化,變得更加智能與個性化。每種記憶類型的設計都緊密圍繞著代理行為的提升與優化,您可以根據具體的應用場景來選擇合適的記憶方式,提升您的代理能力。

本文轉載自 ??AI小智??,作者: AI小智


收藏
回復
舉報
回復
相關推薦
主站蜘蛛池模板: 国产午夜精品久久久久 | 精品久久久久久亚洲精品 | 免费一区二区三区 | 曰批视频在线观看 | 国产精品久久久久一区二区三区 | 亚洲一一在线 | 视频在线一区二区 | 久久日韩精品一区二区三区 | 91在线视频观看免费 | 国产精品一区二区视频 | 欧美一级高潮片免费的 | 日韩中文不卡 | 中文字幕精 | 一区二区三区四区在线视频 | 韩日一区二区三区 | 日韩在线免费视频 | 欧美高清性xxxxhdvideosex | 久久成人av电影 | 欧美日韩一二三区 | 欧美日本一区 | 日本中文字幕一区 | 亚洲国产精品久久久 | 国产精品国产精品国产专区不卡 | 伊人青青久久 | 亚洲伊人久久综合 | 夜夜草av | 日韩成人在线电影 | 91婷婷韩国欧美一区二区 | 欧美xxxx在线 | 最新免费视频 | 一区二区三区高清不卡 | 四虎影院久久 | 精品欧美一区免费观看α√ | 一区视频在线 | 国产精品激情 | 天天夜干 | 日韩蜜桃视频 | 成人三级视频在线观看 | 亚洲久久| 久久三级av| 亚洲成av人片在线观看无码 |