Memobase：为AI应用提供基于用户画像的长期记忆方案

综合介绍

Memobase 是一个基于用户画像的记忆系统，旨在为生成式AI应用提供长效用户记忆支持。无论您是在构建虚拟伴侣、教育工具还是个性化助手，Memobase 都能帮助您的AI记住、理解并随着用户的互动不断进化。通过Memobase，开发者可以定义和控制AI捕捉的用户信息，确保AI能够根据时间更新记忆，避免过时信息的影响。Memobase 提供了可扩展的用户画像，通过对话自然演变，并且易于集成到现有的LLM（大语言模型）堆栈中，支持Python、Node和Go等多种SDK。

功能列表

• 用户记忆管理：定义和控制AI捕捉的用户信息，确保记忆的准确性和时效性。
• 时间感知记忆：保存特定日期的信息，避免过时信息影响AI决策。
• 可扩展用户画像：通过对话自然演变用户画像，支持大规模用户数据处理。
• 易于集成：通过API和多种SDK（Python、Node、Go）实现最小代码变更的快速集成。
• 批量处理：通过非嵌入系统和会话缓冲区实现行业领先的处理速度和成本效益。
• 生产环境就绪：经过合作伙伴的生产环境测试，确保稳定性和可靠性。

使用帮助

安装流程

1. 安装Python SDK：

   pip install memobase

2. 启动Memobase后端：
   • 确保拥有项目URL（默认为http://localhost:8019）和项目令牌（默认为secret）。

使用流程

1. 初始化客户端：

   from memobase import MemoBaseClient, ChatBlob
mb = MemoBaseClient(project_url=PROJECT_URL, api_key=PROJECT_TOKEN)
assert mb.ping()

2. 管理用户：
   • 添加用户： python
uid = mb.add_user({"any_key": "any_value"})

   • 更新用户信息： python
mb.update_user(uid, {"any_key": "any_value2"})

   • 获取用户信息： python
u = mb.get_user(uid)
print(u)

   • 删除用户： python
mb.delete(uid)

3. 插入数据：
   • 插入对话数据： python
messages = [
{"role": "user", "content": "Hello, I'm Gus"},
{"role": "assistant", "content": "Hi, nice to meet you, Gus!"}
] bid = u.insert(ChatBlob(messages=messages))
print(u.get(bid))

   • 默认情况下，Memobase会在处理后删除数据块。可以通过调整配置文件来持久化数据。

主要功能操作流程

1. 定义用户记忆：
   • 通过API调用定义AI需要捕捉的用户信息。
2. 时间感知记忆：
   • 在用户画像中保存特定日期的信息，确保AI不会受到过时数据的影响。
3. 可扩展用户画像：
   • 用户画像会通过对话自然演变，开发者可以控制记忆的大小。
4. 批量处理：
   • 通过非嵌入系统和会话缓冲实现快速且低成本的批量数据处理。

通过上述步骤，开发者可以轻松上手使用Memobase，为生成式AI应用提供强大的用户长期记忆支持。