A LangChain, inovadora em IA, anunciou hoje o lançamento do LangMem SDK, um kit de desenvolvimento de ponta projetado para capacitar agentes de IA com memória de longo prazo. O lançamento do LangMem SDK marca uma etapa importante no desenvolvimento da tecnologia de agentes, que ajudará os desenvolvedores a criar agentes de IA capazes de aprender, evoluir e oferecer experiências mais personalizadas ao longo do tempo.
Dificuldades de memória do agente: curto e longo prazo
O gerenciamento de memória é fundamental na criação de agentes inteligentes, que precisam de memória para aprender as preferências do usuário, adquirir conhecimento do domínio e ajustar seu comportamento com base em experiências passadas. No entanto, as soluções tradicionais de memória do agente geralmente têm limitações, especialmente ao lidar com a memória de longo prazo, e os agentes podem esquecer detalhes importantes do usuário e não otimizar continuamente seu comportamento, o que resulta em uma experiência limitada para o usuário.
O LangMem SDK foi criado para resolver o problema da memória de longo prazo para agentes. Ele fornece um conjunto de ferramentas para ajudar os desenvolvedores a criar agentes com memória persistente que podem aprender com conversas e interações anteriores e progredir como os humanos.
LangMem SDK: uma ferramenta avançada para criar a memória de longo prazo do agente
O LangMem SDK oferece os seguintes recursos principais para ajudar os desenvolvedores a criar facilmente agentes com memória de longo prazo:
- Extração de informaçõesCapacidade de extrair de forma inteligente as principais informações do diálogo e da interação de um agente, o que estabelece a base para a construção da memória de longo prazo.
- Otimização imediataSuporte à atualização dinâmica e à otimização de Prompts com base no desempenho do Agente e no feedback do usuário, permitindo o aprimoramento contínuo do comportamento do Agente.
- Gerenciamento de memória de longo prazoAPIs flexíveis para facilitar aos desenvolvedores a escolha do sistema de armazenamento correto de acordo com suas necessidades e criar a memória de longo prazo do agente para armazenar padrões de comportamento, conhecimento factual e eventos importantes.
Vale a pena mencionar que o LangMem SDK não só se integra de forma flexível a qualquer sistema de armazenamento e estrutura de agente, mas também ao LangGraph s permite o encaixe nativo, proporcionando aos desenvolvedores uma experiência de desenvolvimento mais conveniente.
Para reduzir ainda mais a barreira do desenvolvimento, a LangChain também lançou o serviço de hospedagem LangMem, que fornece aos desenvolvedores recursos adicionais de memória de longo prazo gratuitamente. Os desenvolvedores interessados em usar o SDK do LangMem em seus ambientes de produção podemClique aquiInscreva-se para a experiência.
Vários tipos de memória para um agente mais inteligente
A pesquisa da LangChain sobre a memória do agente descobriu que diferentes tipos de memória desempenham diferentes funções no processo de aprendizagem e adaptação de um agente. O LangMem SDK se concentra no suporte aos três principais tipos de memória a seguir:
Memória semântica: fatos e conhecimento
memória semântica Ela é usada para armazenar conhecimento factual e informações de domínio que o Agente precisa dominar. Por exemplo, um Agente pode usar a memória semântica para lembrar as preferências do usuário, as bases de conhecimento do produto ou as relações conceituais complexas. Isso permite que o agente responda com base em informações factuais precisas, evitando problemas de "alucinação".
Como mostra o exemplo do LangChain, a memória semântica pode ajudar um agente a se lembrar dos membros da equipe e das informações do projeto:
exemplo de código
memories = [
ExtractedMemory(
id="27e96a9d-8e53-4031-865e-5ec50c1f7ad5",
content=Memory(
content="Alice 管理 ML 团队并指导 Bob,Bob 也是团队成员。"
),
),
ExtractedMemory(
id="e2f6b646-cdf1-4be1-bb40-0fd91d25d00f",
content=Memory(
content="Bob 现在领导 ML 团队和 NLP 项目。"
),
),
]
Memória processual: a evolução dos padrões de comportamento
memória processual O LangMem SDK se concentra no aprendizado e na otimização dos padrões de comportamento do agente. Por meio da memória processual, os agentes podem aprender continuamente como interagir com os usuários de forma mais eficaz em diferentes cenários e ajustar suas estratégias de resposta. O LangMem SDK permite que os agentes aprendam com interações bem e mal-sucedidas por meio do mecanismo de otimização de prompts e atualizem automaticamente o prompt para melhorar os padrões de comportamento do agente.
Por exemplo, um Agente Assistente de Astronomia pode otimizar continuamente a forma como explica os conceitos astronômicos para ser mais relevante ao nível de conhecimento do usuário por meio da memória processual:
exemplo de código
"""
你是一个乐于助人的助手...
如果用户询问天文学,请使用真实世界的例子和最新的科学数据清晰地解释相关主题。
在有帮助的时候使用视觉参考,并根据用户的知识水平进行调整。
平衡实践观测天文学和理论概念,根据用户需求提供观测建议或技术解释。
"""
Memória situacional: eventos e experiências
memória situacional Ele se concentra no registro de eventos e experiências de interação específicos entre o agente e o usuário. Por meio da memória situacional, o agente pode analisar diálogos anteriores, entender a intenção do usuário em uma situação específica e ajustar a estratégia de diálogo atual com base na experiência anterior. A memória situacional é particularmente importante para lidar com cenários de diálogo complexos e tarefas que exigem compreensão contextual.
Experimente o LangMem SDK hoje mesmo e inicie a jornada de seu agente na memória de longo prazo!
O lançamento do LangMem SDK dá novo fôlego ao futuro da tecnologia de agentes. Com o LangMem SDK, os desenvolvedores podem criar agentes de IA mais inteligentes, personalizados e crescentes que proporcionam aos usuários uma experiência inteligente sem precedentes.
Visite agora Documentação do LangMem SDKSaiba mais sobre como criar um sistema de memória personalizado usando o LangMem SDK.