Agentic Memory 🧠

一种用于 LLM Agent 的新型智能记忆系统，能够以 Agent 的方式动态组织记忆。

简介 🌟

大语言模型（LLM）Agent 在利用外部工具处理复杂的现实世界任务方面展现出了卓越的能力。然而，为了有效地利用历史经验，它们需要复杂的记忆系统。传统的记忆系统虽然提供了基本的存储和检索功能，但往往缺乏高级的记忆组织能力。

我们的项目引入了一种创新的 Agentic Memory 系统，彻底改变了 LLM Agent 管理和利用其记忆的方式：

传统记忆系统（上）与我们提出的 Agentic Memory（下）的对比。我们的系统实现了动态内存操作和灵活的 Agent-内存交互。

注意： 本仓库提供了一个用于辅助构建 Agent 的记忆系统。如果您想复现我们论文中展示的结果，请参考：https://github.com/WujiangXu/AgenticMemory

更多详细信息，请参阅我们的论文：A-MEM: Agentic Memory for LLM Agents

核心特性 ✨

• 🔄 基于 Zettelkasten（卡片盒笔记法）原则的动态记忆组织
• 🔍 通过 ChromaDB 进行智能索引和记忆链接
• 📝 带有结构化属性的综合笔记生成
• 🌐 互联的知识网络
• 🧬 持续的记忆进化与精炼
• 🤖 用于自适应记忆管理的 Agent 驱动决策

框架 🏗️

我们的 Agentic Memory 系统框架，展示了 LLM Agent 与记忆组件之间的动态交互。

工作原理 🛠️

当向系统添加新记忆时：

1. 生成具有结构化属性的综合笔记
2. 创建上下文描述和标签
3. 分析历史记忆以建立相关联系
4. 基于相似性建立有意义的链接
5. 实现记忆的动态进化与更新

结果 📊

在六个基础模型上进行的实证实验表明，与现有的 SOTA 基准相比，该系统表现出更优越的性能。

快速开始 🚀

1. 克隆仓库：

git clone https://github.com/agiresearch/A-mem.git
cd A-mem

2. 安装依赖： 建议创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # Windows 用户请使用: .venv\Scripts\activate

安装包：

pip install .

对于开发环境，您可以以可编辑模式安装：

pip install -e .

3. 使用示例 💡

以下是如何使用 Agentic Memory 系统进行基本操作的方法：

from agentic_memory.memory_system import AgenticMemorySystem

# 初始化记忆系统 🚀
memory_system = AgenticMemorySystem(
    model_name='all-MiniLM-L6-v2',  # 用于 ChromaDB 的 Embedding 模型
    llm_backend="openai",           # LLM 后端 (openai/ollama)
    llm_model="gpt-4o-mini"         # LLM 模型名称
)

# 添加记忆 ➕
# 简单添加
memory_id = memory_system.add_note("深度学习神经网络")

# 带元数据的添加
memory_id = memory_system.add_note(
    content="机器学习项目笔记",
    tags=["ml", "project"],
    category="Research",
    timestamp="202503021500"  # YYYYMMDDHHmm 格式
)

# 读取 (检索) 记忆 📖
# 按 ID 获取记忆
memory = memory_system.read(memory_id)
print(f"内容: {memory.content}")
print(f"标签: {memory.tags}")
print(f"上下文: {memory.context}")
print(f"关键词: {memory.keywords}")

# 搜索记忆
results = memory_system.search_agentic("neural networks", k=5)
for result in results:
    print(f"ID: {result['id']}")
    print(f"内容: {result['content']}")
    print(f"标签: {result['tags']}")
    print("---")

# 更新记忆 🔄
memory_system.update(memory_id, content="关于深度学习的更新内容")

# 删除记忆 ❌
memory_system.delete(memory_id)

# 记忆进化 🧬
# 系统通过以下方式自动进化记忆：
# 1. 使用 ChromaDB 查找语义关系
# 2. 更新元数据和上下文
# 3. 在相关记忆之间建立连接
# 当添加或更新记忆时，这些操作会自动发生！

高级功能 🌟

1. ChromaDB 向量存储 📦

   • 高效的向量 Embedding 存储与检索
   • 快速语义相似度搜索
   • 自动元数据处理
   • 持久化记忆存储

2. 记忆进化 🧬

   • 自动分析内容关系
   • 根据相关记忆更新标签和上下文
   • 在记忆之间创建语义连接

3. 灵活的元数据 📋

   • 自定义标签和分类
   • 自动关键词提取
   • 上下文生成
   • 时间戳追踪

4. 多种 LLM 后端 🤖

   • OpenAI (GPT-4, GPT-3.5)
   • Ollama (用于本地部署)

最佳实践 💪

1. 记忆创建 ✨:
   • 提供清晰、具体的内容。