Um die Personalisierungsfunktionen über die RESTful-API zu nutzen, muss der folgende Arbeitsablauf befolgt werden:
- Speicherplatz::
- Aufforderungen
/memory/storeEndpunktspeicher-Benutzerprofil - Beispiel: Speichern von Benutzer-Filmvorlieben
curl -X POST http://localhost:8000/memory/store -H "Content-Type: application/json" -d '{"user_id":"u1001", "data":"偏爱科幻片和诺兰导演"}'
- Aufforderungen
- Gedächtnisabruf::
- Aufforderungen
/memory/retrieveZugang zum assoziativen Speicher - Schlüsselparameter: Zeitabklingfaktor (steuert die Gewichtung des historischen Speichers)
- Aufforderungen
- Erzeugung von Antworten::
- Verwenden Sie die Suchergebnisse automatisch als Systemaufforderung für LLM.
- Grad der Personalisierung durch
config/memory_config.jsonden Nagel auf den Kopf treffencontext_windowanpassen
Erweiterte Verwendung:
1. der Batch-Import von historischen Daten ist verfügbarscripts/batch_importer.py
2. die Annahme des Dialogkontinuumssession_idWartung der Parameter
Diese Antwort stammt aus dem ArtikelDeep Recall: ein Open-Source-Tool, das einen Speicherrahmen der Unternehmensklasse für große Modelle bietetDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Wie lässt sich die personalisierte Antwortfunktion von Deep Recall über die API implementieren?
