创建一个混合记忆

方法一、创建具有默认值的混合记忆

案例中使用OpenAI Embedding模型的API和ChromaStore作为默认值

import shutil
from dbgpt.agent import HybridMemory, AgentMemory
# Delete old vector store directory(/tmp/tmp_ltm_vector_stor)
shutil.rmtree("/tmp/tmp_ltm_vector_store", ignore_errors=True)
hybrid_memory = HybridMemory.from_chroma(
    vstore_name="agent_memory", vstore_path="/tmp/tmp_ltm_vector_store"
)
agent_memory: AgentMemory = AgentMemory(memory=hybrid_memory)

方法二、通过自定义值的方式创建混合记忆

混合记忆需要查询感知记忆、短期记忆和长期记忆来进行创建

准备Embedding模型

你可以通过之前的教程准备Embedding模型。 Embedding模型准备，如下是使用OpenAI Embedding模型的案例。

import os
from dbgpt.rag.embedding import DefaultEmbeddingFactory
api_url = os.getenv("OPENAI_API_BASE", "https://api.openai.com/v1") + "/embeddings"
api_key = os.getenv("OPENAI_API_KEY")
embeddings = DefaultEmbeddingFactory.openai(api_url=api_url, api_key=api_key)

准备向量存储

需要准备向量存储，如下是我们使用ChromaStore的一个案例


import shutil
from dbgpt.storage.vector_store.chroma_store import ChromaVectorConfig, ChromaStore
# Delete old vector store directory(/tmp/tmp_ltm_vector_stor)
shutil.rmtree("/tmp/tmp_ltm_vector_store", ignore_errors=True)
vector_store = ChromaStore(
    ChromaVectorConfig(
        embedding_fn=embeddings,
        vector_store_config=ChromaVectorConfig(
            name="ltm_vector_store",
            persist_path="/tmp/tmp_ltm_vector_store",
        ),
    )
)

创建混合记忆

from datetime import datetime
from concurrent.futures import ThreadPoolExecutor
from dbgpt.agent import (
    SensoryMemory,
    EnhancedShortTermMemory,
    LongTermMemory,
    HybridMemory,
    AgentMemory,
)
executor = ThreadPoolExecutor()
sensor_memory = SensoryMemory(buffer_size=2)
short_term_memory = EnhancedShortTermMemory(
    embeddings=embeddings,
    buffer_size=2,
    enhance_similarity_threshold=0.7,
    enhance_threshold=3,
    executor=executor,
)
long_term_memory = LongTermMemory(
    executor=ThreadPoolExecutor(), vector_store=vector_store, _default_importance=0.5
)
hybrid_memory = HybridMemory(
    now=datetime.now(),
    sensory_memory=sensor_memory,
    short_term_memory=short_term_memory,
    long_term_memory=long_term_memory,
)
agent_memory: AgentMemory = AgentMemory(memory=hybrid_memory)

方法三、从向量存储创建一个混合记忆

你也可以通过向量存储来创建混合记忆，它将使用感知记忆和短期记忆作为默认值。

from dbgpt.agent import HybridMemory, AgentMemory
hybrid_memory = HybridMemory.from_vstore(
    vector_store=vector_store, embeddings=embeddings
)
agent_memory: AgentMemory = AgentMemory(memory=hybrid_memory)

工作原理

当写入内存片段时:

混合记忆首先将记忆片段存储在感知记忆中，如果感知记忆已满，则会丢弃所有感知记忆片段，并将部分丢弃的记忆片段转移到短期记忆中。
短期记忆会接收一些感知记忆作为外部观察，短期记忆中的记忆片段可以通过其他观察得到增强。一些增强的记忆片段会被转移到长期记忆中，同时，这种增强的记忆会反映到长期记忆的更高层次的思想和见解中。
长期记忆将存储智能体的经验和知识。当它从短期记忆接收到记忆片段时，会计算记忆片段的重要性，然后写入向量存储中。

当读内存片段时

首先，混合记忆会根据观察结果从长期记忆中读取记忆片段。长期记忆使用<font style="color:rgb(24, 32, 38);">TimeWeightedEmbeddingRetriever</font>来检索记忆片段(最新的记忆片段具有更高的权重)
检索到的记忆片段被保存到短期记忆中(只是为了增强记忆片段，而不是将新的记忆片段添加到短期记忆中)。检索到的记忆片段和所有记忆片段将被合并，作为LLM的当前记忆。增强过程结束后，一些新的记忆片段将被转移到长期记忆中。