Mem0 - 学习

什么是Mem0

Mem0 是大模型的记忆层，有点像长期记忆，AI agent可以调用长期记忆来，回忆过去相关的交互，存储用户一些偏好和事实信息，或者从过往失败和成功的经验里面吸取教训。
Mem0给AI agent记忆能力，这样LLM就可以记住、学习
进化成长了。Mem0是一个很容易集成在你目前产品原型里面的一个记忆架构。

无状态和有状态Agents

大多数agent都是无状态的，agent就处理请求、生成反馈，然后忘记所有东西。甚至上下文很长的窗口，当你打开下一个新的窗口的时候，所有的历史都被重置了。
Mem0里面是有状态的Agent，有状态的Agent会包含相关上下文，回忆关键的事情，时间越久就越聪明。

Memory在你的Agent架构里面应该放在哪里

Mem0 是和agent架构并行的，不像retrieval-based 系统，比如RAG，Mem0会跟踪过去的交互，存储长期的知识，根据agent的动作进行演变。

记忆并不是意味着我把更多信息放进去上下文里面，而是更聪明地记住相关信息。

Memory vs RAG 互补的工具

RAG retrieval-augmented generation 是专门用于在文本里面搜寻实例的，但是这是无状态的，RAG不知道用户是谁，用户之前问过什么。。
Mem0提供了一种连续性，存储决定、偏好、上下文环境，不仅仅是知识本身。

Mem0的记忆种类

Mem0支持各种各样的记忆类型，就像人类进行记忆一样。
Working Memory：工作记忆，短期记忆的会话认知
Factual Memory：事实记忆，长期的结构化知识，比如偏好、设置
Episodic Memory：情景记忆，记住特定场景的会话内容
Semantic Memory: 构建通用的知识

记忆类型

在构建有用的AI应用之前，首先要了解不同的记忆系统是如何工作的

为什么记忆很重要

AI 系统为什么需要有记忆，有以下三个原因：

1. 在会话时能够有一致的上下文
2. 从历史的交互中学习到东西
3. 基于时间会构建个性化经验
4. 如果没有很好的记忆系统，AI应用会把每一次交互都视为全新的交互，会丢掉很多有价值的上下文信息，失去个性化设置。

短期记忆

记忆系统里面最基础的一个记忆就是短期记忆，就像一个人会记住刚刚说了什么话那样。短期记忆包括：

1. 会话历史，最近的消息会话
2. 工作记忆：临时的变量和状态
3. Attention context 注意力机制：当前会话的重心

长期记忆

更多复杂的AI 应用一定会有长期记忆，长期记忆会一直存在在各种会话里面，长期记忆包括：

1. factual memory：存储用户的信息，比如偏好，某方方面的特定信息。
2. episodic memory：过去的交互历史和经验
3. sematic memory：了解概念和关系

记忆的特点

短期记忆：暂时的，用户实时对话场景
长期记忆：长久的，用户的偏好和历史

Mem0如何维护长期记忆？

Mem0的长期记忆如下进行维护：

1. 用向量搜索来存储和retrieve 语意信息
2. 跨会话维护用户特定的上下文信息
3. 对于相关的历史交互，有专门的取回机制