[AI Mem0] 结合Mem0编写有状态AI应用，让应用更智能、更个性化

要点

看下，如何结合 Mem0 编写 app

• memory 先 search
• 将 search 得到的 memory 附在 prompt 中发给 LLM
• 最后 memory add

---

概述

如何在现有应用程序中使用Mem0？

使用Mem0，你可以创建基于大型语言模型的有状态应用程序，如聊天机器人、虚拟助手或AI代理。Mem0通过提供一个记忆层来增强你的应用程序，使响应：

• 更加个性化
• 更加可靠
• 通过减少大型语言模型交互次数来降低成本
• 更加吸引人
• 支持长期记忆

示例

以下是一些关于如何将Mem0集成到各种应用程序中的示例：

个性化AI导师

您可以使用Mem0创建一个个性化的AI导师。本指南将引导您完成必要的步骤，并提供完整的代码以帮助您入门。

概述

个性化AI导师利用Mem0在交互过程中保留信息，从而实现定制的学习体验。通过与OpenAI的GPT-4模型集成，导师可以为用户查询提供详细且具有上下文感知的响应。

设置

在开始之前，请确保您已安装所需的依赖项。您可以使用pip安装必要的软件包：

登录后复制

pip install openai mem0ai

• 1.

完整代码示例

以下是使用Mem0创建和与个性化AI导师互动的完整代码：

登录后复制

from openai import OpenAI
from mem0 import Memory
import os

# 设置OpenAI API密钥
os.environ['OPENAI_API_KEY'] = 'sk-xxx'

# 初始化OpenAI客户端
client = OpenAI()

class PersonalAITutor:
    def __init__(self):
        """
        初始化PersonalAITutor，配置内存和OpenAI客户端。
        """
        config = {
            "vector_store": {
                "provider": "qdrant",
                "config": {
                    "host": "localhost",
                    "port": 6333,
                }
            },
        }
        self.memory = Memory.from_config(config)
        self.client = client
        self.app_id = "app-1"

    def ask(self, question, user_id=None):
        """
        向AI提问并将相关信息存储在内存中

        :param question: 提问的问题。
        :param user_id: 可选的用户ID，用于关联内存。
        """
        # 向AI发送一个流式聊天完成请求
        stream = self.client.chat.completions.create(
            model="gpt-4",
            stream=True,
            messages=[
                {"role": "system", "content": "你是一个个人AI导师。"},
                {"role": "user", "content": question}
            ]
        )
        # 将问题存储在内存中
        self.memory.add(question, user_id=user_id, metadata={"app_id": self.app_id})

        # 实时打印AI的响应
        for chunk in stream:
            if chunk.choices[0].delta.content is not None:
                print(chunk.choices[0].delta.content, end="")

    def get_memories(self, user_id=None):
        """
        获取与给定用户ID关联的所有记忆。

        :param user_id: 可选的用户ID，用于过滤记忆。
        :return: 记忆列表。
        """
        return self.memory.get_all(user_id=user_id)

# 实例化PersonalAITutor
ai_tutor = PersonalAITutor()

# 定义一个用户ID
user_id = "从零开始学AI"

# 提问
ai_tutor.ask("我在学习计算机科学入门。什么是队列？简要说明。", user_id=user_id)

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.
• 67.
• 68.
• 69.

获取记忆

您可以随时使用以下代码获取所有记忆：

登录后复制

memories = ai_tutor.get_memories(user_id=user_id)
for m in memories:
    print(m['text'])

• 1.
• 2.
• 3.

关键点

• 初始化：PersonalAITutor类通过必要的内存配置和OpenAI客户端设置进行初始化。
• 提问：ask方法向AI发送问题，并将相关信息存储在内存中。
• 获取记忆：get_memories方法获取与用户关联的所有存储记忆。

结论

随着对话的进行，Mem0的记忆会根据交互自动更新，提供持续改进的个性化学习体验。此设置确保AI导师能够提供上下文相关且准确的响应，增强整体教育过程。

客户支持AI代理

您可以使用Mem0创建一个个性化的客户支持AI代理。本指南将引导您完成必要的步骤，并提供完整的代码以帮助您入门。

概述

客户支持AI代理利用Mem0在交互过程中保留信息，从而实现个性化和高效的支持体验。

设置

使用pip安装必要的软件包：

登录后复制

pip install openai mem0ai

• 1.

完整代码示例

以下是使用Mem0创建和与客户支持AI代理互动的简化代码：

登录后复制

from openai import OpenAI
from mem0 import Memory
import os

# 设置OpenAI API密钥
os.environ['OPENAI_API_KEY'] = 'sk-xxx'

class CustomerSupportAIAgent:
    def __init__(self):
        """
        初始化CustomerSupportAIAgent，配置内存和OpenAI客户端。
        """
        config = {
            "vector_store": {
                "provider": "qdrant",
                "config": {
                    "host": "localhost",
                    "port": 6333,
                }
            },
        }
        self.memory = Memory.from_config(config)
        self.client = OpenAI()
        self.app_id = "customer-support"

    def handle_query(self, query, user_id=None):
        """
        处理客户查询并将相关信息存储在内存中。

        :param query: 处理的客户查询。
        :param user_id: 可选的用户ID，用于关联内存。
        """
        # 向AI发送一个流式聊天完成请求
        stream = self.client.chat.completions.create(
            model="gpt-4",
            stream=True,
            messages=[
                {"role": "system", "content": "你是一个客户支持AI代理。"},
                {"role": "user", "content": query}
            ]
        )
        # 将查询存储在内存中
        self.memory.add(query, user_id=user_id, metadata={"app_id": self.app_id})

        # 实时打印AI的响应
        for chunk in stream:
            if chunk.choices[0].delta.content is not None:
                print(chunk.choices[0].delta.content, end="")

    def get_memories(self, user_id=None):
        """
        获取与给定客户ID关联的所有记忆。

        :param user_id: 可选的用户ID，用于过滤记忆。
        :return: 记忆列表。
        """
        return self.memory.get_all(user_id=user_id)

# 实例化CustomerSupportAIAgent
support_agent = CustomerSupportAIAgent()

# 定义一个客户ID
customer_id = "从零开始学AI"

# 处理客户查询
support_agent.handle_query("我需要帮助处理我的最近订单。它还没有到达。", user_id=customer_id)

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.
• 63.
• 64.
• 65.
• 66.

获取记忆

您可以随时使用以下代码获取所有记忆：

登录后复制

memories = support_agent.get_memories(user_id=customer_id)
for m in memories:
    print(m['text'])

• 1.
• 2.
• 3.

关键点

• 初始化：CustomerSupportAIAgent类通过必要的内存配置和OpenAI客户端设置进行初始化。
• 处理查询：handle_query方法向AI发送查询，并将相关信息存储在内存中。
• 获取记忆：get_memories方法获取与客户关联的所有存储记忆。

结论

随着对话的进行，Mem0的记忆会根据交互自动更新，提供持续改进的个性化支持体验。

个性化AI旅行助手

使用Mem0创建一个个性化AI旅行助手。本指南提供分步指导和完整的代码以帮助您开始。

概述

个性化AI旅行助手使用Mem0在交互之间存储和检索信息，提供量身定制的旅行规划体验。它与OpenAI的GPT-4模型集成，以提供详细且具有上下文意识的用户查询响应。

设置

使用pip安装所需的依赖项：

登录后复制

pip install openai mem0ai

• 1.

完整代码示例

以下是使用Mem0创建和与个性化AI旅行助手交互的完整代码：

登录后复制

import os
from openai import OpenAI
from mem0 import Memory

# 设置OpenAI API密钥
os.environ['OPENAI_API_KEY'] = 'sk-xxx'

class PersonalTravelAssistant:
    def __init__(self):
        self.client = OpenAI()
        self.memory = Memory()
        self.messages = [{"role": "system", "content": "You are a personal AI Assistant."}]

    def ask_question(self, question, user_id):
        # 检索之前相关的记忆
        previous_memories = self.search_memories(question, user_id=user_id)
        prompt = question
        if previous_memories:
            prompt = f"用户输入：{question}\n 之前的记忆：{previous_memories}"
        self.messages.append({"role": "user", "content": prompt})

        # 使用GPT-4o生成响应
        response = self.client.chat.completions.create(
            model="gpt-4o",
            messages=self.messages
        )
        answer = response.choices[0].message.content
        self.messages.append({"role": "assistant", "content": answer})

        # 将问题存储在记忆中
        self.memory.add(question, user_id=user_id)
        return answer

    def get_memories(self, user_id):
        memories = self.memory.get_all(user_id=user_id)
        return [m['text'] for m in memories]

    def search_memories(self, query, user_id):
        memories = self.memory.search(query, user_id=user_id)
        return [m['text'] for m in memories]

# 使用示例
user_id = "从零开始学AI"
ai_assistant = PersonalTravelAssistant()

def main():
    while True:
        question = input("问题：")
        if question.lower() in ['q', 'exit']:
            print("退出...")
            break

        answer = ai_assistant.ask_question(question, user_id=user_id)
        print(f"答案：{answer}")
        memories = ai_assistant.get_memories(user_id=user_id)
        print("记忆：")
        for memory in memories:
            print(f"- {memory}")
        print("-----")

if __name__ == "__main__":
    main()

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.
• 46.
• 47.
• 48.
• 49.
• 50.
• 51.
• 52.
• 53.
• 54.
• 55.
• 56.
• 57.
• 58.
• 59.
• 60.
• 61.
• 62.

关键组件

• 初始化：PersonalTravelAssistant类使用OpenAI客户端和Mem0记忆设置进行初始化。
• 提问：ask_question方法向AI发送问题，结合之前记忆，并存储新信息。
• 记忆管理：get_memories和search_memories方法处理存储记忆的检索和搜索。

使用

• 在环境变量中设置您的OpenAI API密钥。
• 实例化PersonalTravelAssistant。
• 使用main()函数在循环中与助手交互。

结论

这个个性化AI旅行助手利用Mem0的记忆能力提供具有上下文意识的响应。随着您与它的互动，助手学习和改进，提供越来越个性化的旅行建议和信息。

---

•  github
•  doc
•  AI 博客 - 从零开始学AI
•  公众号 - 从零开始学AI

原创作者: u_16810723 转载于: https://blog.51cto.com/u_16810723/11586551