[利用Zep增强AI助手的记忆功能：让会话历史更具价值]

最新推荐文章于 2024-11-02 08:43:55 发布

stjklkjhgffxw

最新推荐文章于 2024-11-02 08:43:55 发布

阅读量287

点赞数 5

文章标签：人工智能 python

本文链接：https://blog.csdn.net/stjklkjhgffxw/article/details/142428467

版权

引言

在为AI助手应用增加长期记忆能力时，Zep Cloud Memory提供了一种有效的解决方案。Zep使得AI助手能够回忆起过去的对话，减少幻觉，提高响应速度并降低成本。在本篇文章中，我们将探索如何使用Zep来增强聊天机器人的记忆功能，并提供一个完整的代码示例来展示其实际应用。

主要内容

Zep Cloud Memory的功能

Zep是一种专为AI助手应用设计的长期记忆服务。它能够在多个对话中存储和检索历史记录，从而提升AI助手的回答准确性及用户体验。

实现步骤概述

设置环境：导入所需库，设置API Key。
初始化Zep内存存储：配置会话ID和初始化内存存储。
运行Agent：使用Agent处理对话并自动存储消息。
查询会话历史：利用向量搜索在会话记录中查找相关信息。

代码示例

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

session_id = str(uuid4())  # 为会话生成唯一ID

# 提供API Key
openai_key = "YOUR_OPENAI_API_KEY"  # 替换为你的OpenAI API Key
zep_api_key = "YOUR_ZEP_API_KEY"    # 替换为你的Zep API Key

# 配置Zep聊天历史
memory = ZepCloudMemory(
    session_id=session_id,
    api_key=zep_api_key,
    return_messages=True,
    memory_key="chat_history",
)

# 初始化Agent
search = WikipediaAPIWrapper()
tools = [
    Tool(
        name="Search",
        func=search.run,
        description="用于在线搜索答案，回答具体问题。",
    ),
]

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 Estelle Butler was an American science fiction author."},
    # 更多历史消息...
]

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Agent并自动记录对话
agent_chain.invoke(
    input="What is the book's relevance to the challenges facing contemporary society?"
)

# 向量搜索Zep内存
retriever = ZepCloudRetriever(
    session_id=session_id,
    api_key=zep_api_key,
)

search_results = memory.chat_memory.search("who are some famous women sci-fi authors?")
for r in search_results:
    if r.score > 0.8:
        print(r.message, r.score)