As seguintes operações-chave são necessárias para implementar a memória contextual:
1. acesso à memória
fazer uso deprocess_and_commit_sessionMétodos para lidar com o diálogo:
memory.process_and_commit_session(
"用户说他喜欢拿铁咖啡",
session_id="chat-20230501"
)O sistema analisa automaticamente as entidades e os relacionamentos no texto, gera arquivos Markdown e cria commits do Git.
2. pesquisa contextual
aprovar (um projeto de lei ou inspeção etc.)get_contextAcesso sob demanda a informações básicas:
- modelo básico(depth="basic"): retorna os atributos principais das entidades correspondentes
- modo de profundidade(depth="deep"): contém o arquivo completo da entidade em questão.
- padrão cronológico(depth="temporal"): histórico de alterações para anexar essas informações ao registro
3. integração do LLM
Digite os resultados da pesquisa como parte da palavra de prompt do sistema:
context = memory.get_context("用户的咖啡偏好", depth="deep")
prompt = f"基于以下上下文：{context}，请生成回复..."Essa combinação permite um sistema de diálogo com verdadeira memória de longo prazo.
Essa resposta foi extraída do artigoDiffMem: um repositório de memória com controle de versão baseado em Git para inteligências de IAO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Como adicionar a funcionalidade de memória contextual a um sistema de diálogo de IA usando o DiffMem?
Português do Brasil 
简体中文 
English 
日本語 
Deutsch