← 返回首页ai798Lab 公开知识库

AI词典

星图管发现,路线管顺序,词典管查阅。每个词都挂着能直接拿去用的项目。

记忆

Memory3 个项目4 个相关词还在变

在星图中看
小机器人把关于你的卡片存进卡片盒,下次见面时抽出来,一眼认出你
说人话
模型每开一个新对话都是从零开始,上回说过的习惯、项目背景、你叫什么,全都不在了。把全部聊天记录都带上又不现实,窗口装不下,也烧钱,于是只把关于你的那几条挑出来单独存着,下次用得上再拿回去。你看到的现象是聊着聊着冒出一行已更新记忆。
打个比方
像理发师在你的卡上记一句不要剪太短,下回你一坐下他先翻卡,而不是重放上次的对话。
说行话
行话分短期(会话内)与长期(跨会话),这里说的是后者。关键动作叫 fact extraction,把对话抽成一条条独立事实再存;设置里那个 Memory 面板列出来的就是这些条目,可以逐条删。
潜台词
「它能记住我」,底层通常是一个带检索的外部存储,不是模型真的记住了。
别用它
一次性问答不需要。记下来的东西会过期也会记错,一条错的偏好能跟着你很多轮,所以一定要留出让人查看和删除的入口。

拿这个能做什么3 个项目

  1. 01
    mem0ai/mem0

    给应用加一层长期记忆,自动抽取并更新用户事实

    选它当做的是持续关系型产品,不是一次性工具

  2. 02
    letta-ai/letta

    原 MemGPT,把有限上下文当内存分页来调度

    选它当想让 agent 自己决定记什么、忘什么

  3. 03
    getzep/zep

    记忆服务,带时序知识图谱

    选它当需要按时间线回溯用户状态的变化

记忆和 RAG 的边界很容易混:RAG 取的是文档,记忆取的是关于用户的事实。前者答「资料里怎么说」,后者答「他上次说过什么」。

动手试试做完就算会了

mem0ai 的 llm、embedder 都选 ollama,前者填 qwen2.5:1.5b,embedding_model_dims 改 768。同一 user_id 先后 add「只喝美式」「改喝拿铁了」,两次 event 都是 ADD,get_all 两条并排,谁作数你来裁。

相关点进去继续查

局部星图:拖动节点看牵连,悬停只亮它的邻居,点一个词跳过去