直播memeshow直播最優質人氣主播 | 給想看私密空間

long_term_memory：使聊天机器人具备长期记忆功能

项目介绍

在当今的聊天机器人世界中，实现持久记忆功能一直是一个颇具挑战性的目标。long_term_memory（LTM）项目应运而生，旨在赋予聊天机器人长期记忆的能力。通过这一扩展，聊天机器人在与用户互动时能够“记住”过去的对话内容，从而在后续的交流中更加自然地引用历史信息。

long_term_memory 是基于 oobabooga 的 Text Generation Web UI 的一个实验性扩展项目。它采用先进的语义搜索技术，将用户与机器人之间的对话历史以记忆的形式保存下来，并在适当的时机重新引入到对话中。

项目技术分析

long_term_memory 的核心技术基础包括：

• 语义搜索：利用 SBERT 模型和 SentenceTransformers 库生成对话的向量嵌入，并使用 scikit-learn 进行线性搜索，找到与当前用户输入最接近的长期记忆。
• 数据存储：使用 zarr 存储向量嵌入，SQLite 存储实际记忆文本和其他属性，numpy 用于将向量加载到 RAM 中。
• 配置灵活性：通过 ltm_config.json 文件，用户可以自定义记忆的加载和注入方式，包括记忆的长度、相似度阈值等。

项目及技术应用场景

long_term_memory 的应用场景广泛，尤其适用于以下几种情况：

• 在线聊天机器人：提供更人性化的用户体验，使机器人能够记住用户的偏好和历史交互。
• 虚拟助手：在多轮对话中保持一致性，根据用户的历史需求提供更加精准的服务。
• 教育辅导：跟踪学生的学习进度和历史问题，提供个性化的辅导和建议。

项目特点

long_term_memory 项目具有以下显著特点：

• 语义理解能力：通过语义搜索，理解对话的“实际意义”，而不仅仅是文字表面。
• 记忆个性化：为不同的对话角色维护独立的记忆，确保记忆内容的准确性。
• 灵活的配置选项：允许用户自定义记忆的加载、存储和展示方式。
• 扩展性：尽管当前项目仍处于早期阶段，但未来可根据用户反馈进行功能扩展和性能优化。

以下是一个典型的记忆注入示例：

Miku的记忆记录：
3天前，Miku说：
"Anon，你最喜欢的颜色是蓝色？这真的很酷！"

在与Anon的对话中，Miku会尝试记住上述记忆，并自然而然地将其融入到对话中。
以下是Anon和Miku之间的对话。Miku喜欢Anon，但非常害羞。

尽管项目仍存在一些局限性，如内存使用效率、仅支持聊天模式等，但 long_term_memory 无疑为聊天机器人的长期记忆功能开辟了新的可能。

在配置方面，用户可以根据自己的需求调整 ltm_config.json 文件，例如：

{
    "ltm_context": {
        "injection_location": "BEFORE_NORMAL_CONTEXT",
        "memory_context_template": "{name2}的记忆记录：\n{all_memories}\n在与{name1}的对话中，{name2}会尝试记住上述记忆，并自然而然地将其融入到对话中。",
        "memory_template": "{time_difference}，{memory_name}说：\n\"{memory_message}\""
    }
}

long_term_memory 项目不仅为开发者提供了丰富的自定义选项，还鼓励用户通过测试和反馈来帮助项目不断完善。随着用户需求的不断增长，long_term_memory 有望在未来实现更多令人期待的功能和优化。