Memora: criação de módulos de memória de IA humanizados para salvar e atualizar informações sobre interações com humanos

Introdução geral

O Memora é um agente projetado para replicar memórias humanas para cada IA personalizada. Ele ajuda as IAs a se lembrarem de detalhes de interações passadas, emoções e experiências compartilhadas, como fazem os seres humanos, por meio de recursos como memórias com registro de data e hora, marcadores de emoção e memórias multimodais. O Memora oferece suporte a multilocação, pode lidar com milhões de usuários e interações e tem uma arquitetura modular altamente dimensionável e fácil de desenvolver que facilita a personalização e a integração de recursos.

Itens relacionados:Zep: criação de uma camada de memória de longo prazo para aplicativos de IA, extração e atualização de informações do usuário, dados comerciais

Lista de funções

• Recuperação de memória temporal: permite que a IA se lembre de memórias com registro de data e hora de interações passadas.
• Suporte a vários locatários: acomoda várias organizações, agentes e usuários.
• Manuseio flexível de nomes: use marcadores de posição para facilitar a atualização de nomes de usuários e agentes.
• Escalabilidade: projetado para lidar com milhões de usuários, interações e memórias.
• Facilidade para o desenvolvedor: arquitetura modular para facilitar a personalização e a integração de recursos.
• Memórias com rótulos emocionais: permite que a IA se lembre de memórias com emoções.
• Memória multimodal: suporta a memória de clipes de vídeo e áudio.

Usando a Ajuda

Processo de instalação

1. Instalação do banco de dados Neo4j::
   • Opção A: Instalar o Neo4j localmente (gratuito).
   • Opção B: usar o Neo4j AuraDB Cloud (opção gratuita disponível).
2. Instalação do banco de dados de vetores Qdrant::
   • Opção A: instalar o Qdrant localmente (gratuito).
   • Opção B: usar o Qdrant Cloud (opção gratuita disponível).
3. Obter a chave da API do provedor do LLM::
   • Selecione um dos seguintes provedores e obtenha uma chave de API: OpenAI, Azure OpenAI, Together AI, Groq.
4. Instalação do Memora::

   pip install memora-core

Configurações básicas

1. Inicialize o Memora com o banco de dados e o provedor de LLM:

   from memora import Memora
from qdrant_client import AsyncQdrantClient
from memora.vector_db import QdrantDB
from memora.graph_db import Neo4jGraphInterface
from memora.llm_backends import GroqBackendLLM
# Inicializar o banco de dados
vector_db = QdrantDB(async_client=AsyncQdrantClient(url="QDRANT_URL", api_key="QDRANT_API_KEY"))
graph_db = Neo4jGraphInterface(uri="Neo4jURI", username="Username", password="Password", database="DBName")

Usando o Memora

1. Criando novas memórias::

   memora = Memora(vector_db=vector_db, graph_db=graph_db, llm_backend=GroqBackendLLM(api_key="YOUR_API_KEY"))
memora.create_memory(user_id="user123", content="This is a new memory content", timestamp="2025-01-16T00:00:00Z")

2. recuperar a memória::

   memórias = memora.retrieve_memories(user_id="user123")
for memory in memories.
memórias = memora.retrieve_memories(user_id="user123")

3. Memória atualizada::

   memora.update_memory(memory_id="memory123", content="Conteúdo da memória atualizado")

4. Exclusão de memórias::

   memora.delete_memory(memory_id="memory123")

Uso avançado

• memória de marcadores emocionaisAdicione etiquetas emocionais ao criar memórias.
• memória multimodalSuporte para armazenamento em memória e recuperação de clipes de vídeo e áudio.

Com as etapas acima, os usuários podem começar a usar o Memora rapidamente e aproveitar ao máximo seus recursos avançados de gerenciamento de memória para proporcionar uma experiência de interação mais natural e humana para a IA.