LongtermChatExternalSources路线图前瞻如何从情景记忆扩展到声明性记忆与外部知识源【免费下载链接】LongtermChatExternalSourcesGPT-3 chatbot with long-term memory and external sources项目地址: https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSourcesLongtermChatExternalSources 是一个具备长期记忆与外部知识源扩展能力的 GPT-3 聊天机器人项目。本文带你前瞻它的演化路线图从已实现的情景记忆向量检索到计划中的声明性记忆事实、Wiki、知识库与外部知识源接入看懂这个长期记忆聊天机器人未来如何变得更记得住、更博学。一分钟认识这个长期记忆聊天机器人能做什么和聊完就忘的普通聊天机器人不同LongtermChatExternalSources 会 把每一句对话用户和机器人 RAVEN连同时间戳、向量嵌入存入本地日志 用向量相似度检索过去聊过什么生成笔记notes注入回答 用 GPT-3 把相关记忆总结成结构化笔记作为长期记忆快速上手3 步跑起来克隆仓库git clone https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSources安装依赖并配置pip install openai numpy把 OpenAI API Key 写入项目根目录的openaiapikey.txt末尾不要换行运行主程序python chat.py即可在命令行与 RAVEN 对话详细的环境配置步骤见 README.md 的 Setup 章节。项目目录结构速览记忆存在哪里目录 / 文件作用nexus/情景记忆每条对话消息一个 JSON 日志含时间戳、UUID 和向量嵌入internal_notes/长期记忆笔记GPT-3 对相关记忆块的总结gpt3_logs/每次 GPT-3 调用的原始请求与回复日志chat.py主程序完整的记忆检索 → 总结 → 回答循环dream_sequence.py做梦序列脚本用于从记忆中提炼原则prompt_response.txt、prompt_notes.txt回答生成与笔记总结的提示词模板prompt_dream_raven.txt等梦境脚本的提示词用户画像、RAVEN 画像、隐喻现状解析情景记忆是如何工作的打开chat.py可以看到一次完整对话的记忆流水线非常适合新手学习 RAG检索增强生成的雏形向量化用户输入被text-embedding-ada-002转成向量消息连同向量存入nexus/目录如log_1673864119.3581932_USER.json向量检索fetch_memories函数用余弦相似度从全部历史消息中挑出最相关的 Top 10 条作为情景记忆我们曾聊过的具体事记忆总结summarize_memories把这 10 条记忆交给 GPT-3 提炼成要点笔记存进internal_notes/组装上下文取最近 4 条消息get_last_messages 笔记填充进prompt_response.txt模板生成回答GPT-3 以 RAVEN 身份作答回答本身也被向量化并存档形成闭环简单说向量负责想起过去笔记负责浓缩过去提示词负责用过去回答现在。路线图一接入声明性记忆——从记得聊过到记得知识chat.py主循环中有一行关键注释直接点明了下一步方向# TODO - fetch declarative memories (facts, wikis, KB, company data, internet, etc)情景记忆episodic memory与声明性记忆declarative memory的区别维度情景记忆已实现声明性记忆规划中内容具体的对话片段、事件事实、概念、知识条目来源nexus/对话日志Wiki、知识库KB、公司数据、互联网回答场景上次我们聊到什么地球有多少颗行星这意味着项目将引入独立的知识索引层预先向量化外部文档与事实库在回答时与情景记忆并行检索——这正是ExternalSources外部来源三个字的含义。路线图二连接外部知识源——让聊天机器人接入世界除了通用事实库规划中的外部知识源还可能包括 个人/团队知识库文档的向量索引 公司内部数据的受控查询 互联网信息的实时检索与注入对使用者的价值很直观聊天机器人将从只懂你们聊过的天升级为既记得你、又懂得多的助手。路线图三三个藏在代码里的优化点chat.py中的其他 TODO 注释勾勒出工程侧的优化路线时间邻近记忆pick more memories temporally nearby——检索时不仅看语义相似度还召回时间上相邻的记忆保持上下文连贯后台增量总结do this in the background over time——笔记总结改为后台增量执行避免海量记忆下每次对话都等待总结先查已有笔记search existing notes first——回答前先检索internal_notes/里的历史笔记减少重复总结、降低成本做梦机制长期记忆的另一块拼图dream_sequence.py配合prompt_dream_raven.txt、prompt_dream_user.txt、prompt_dream_metaphor.txt实现了类似睡眠巩固记忆的机制从笔记中提炼关于用户和 RAVEN 的原则画像并生成隐喻来概括记忆主题。这为声明性记忆提供了雏形——把零散对话固化为稳定的认知结论。总结一张值得收藏的记忆升级路线LongtermChatExternalSources 的路线图清晰而有层次✅已实现对话向量检索情景记忆 笔记总结 RAVEN 人格回答下一步接入声明性记忆事实、Wiki、知识库、公司数据、互联网再下一步外部知识源索引、时间邻近检索、后台总结、梦境固化对于想学习给 GPT-3 加长期记忆的开发者chat.py不到 200 行主循环就是一个绝佳的最小可运行案例对于使用者这个项目展示了一条让 AI 助手真正记住你、懂世界的完整路径。【免费下载链接】LongtermChatExternalSourcesGPT-3 chatbot with long-term memory and external sources项目地址: https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSources创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LongtermChatExternalSources路线图前瞻：如何从情景记忆扩展到声明性记忆与外部知识源
LongtermChatExternalSources路线图前瞻如何从情景记忆扩展到声明性记忆与外部知识源【免费下载链接】LongtermChatExternalSourcesGPT-3 chatbot with long-term memory and external sources项目地址: https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSourcesLongtermChatExternalSources 是一个具备长期记忆与外部知识源扩展能力的 GPT-3 聊天机器人项目。本文带你前瞻它的演化路线图从已实现的情景记忆向量检索到计划中的声明性记忆事实、Wiki、知识库与外部知识源接入看懂这个长期记忆聊天机器人未来如何变得更记得住、更博学。一分钟认识这个长期记忆聊天机器人能做什么和聊完就忘的普通聊天机器人不同LongtermChatExternalSources 会 把每一句对话用户和机器人 RAVEN连同时间戳、向量嵌入存入本地日志 用向量相似度检索过去聊过什么生成笔记notes注入回答 用 GPT-3 把相关记忆总结成结构化笔记作为长期记忆快速上手3 步跑起来克隆仓库git clone https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSources安装依赖并配置pip install openai numpy把 OpenAI API Key 写入项目根目录的openaiapikey.txt末尾不要换行运行主程序python chat.py即可在命令行与 RAVEN 对话详细的环境配置步骤见 README.md 的 Setup 章节。项目目录结构速览记忆存在哪里目录 / 文件作用nexus/情景记忆每条对话消息一个 JSON 日志含时间戳、UUID 和向量嵌入internal_notes/长期记忆笔记GPT-3 对相关记忆块的总结gpt3_logs/每次 GPT-3 调用的原始请求与回复日志chat.py主程序完整的记忆检索 → 总结 → 回答循环dream_sequence.py做梦序列脚本用于从记忆中提炼原则prompt_response.txt、prompt_notes.txt回答生成与笔记总结的提示词模板prompt_dream_raven.txt等梦境脚本的提示词用户画像、RAVEN 画像、隐喻现状解析情景记忆是如何工作的打开chat.py可以看到一次完整对话的记忆流水线非常适合新手学习 RAG检索增强生成的雏形向量化用户输入被text-embedding-ada-002转成向量消息连同向量存入nexus/目录如log_1673864119.3581932_USER.json向量检索fetch_memories函数用余弦相似度从全部历史消息中挑出最相关的 Top 10 条作为情景记忆我们曾聊过的具体事记忆总结summarize_memories把这 10 条记忆交给 GPT-3 提炼成要点笔记存进internal_notes/组装上下文取最近 4 条消息get_last_messages 笔记填充进prompt_response.txt模板生成回答GPT-3 以 RAVEN 身份作答回答本身也被向量化并存档形成闭环简单说向量负责想起过去笔记负责浓缩过去提示词负责用过去回答现在。路线图一接入声明性记忆——从记得聊过到记得知识chat.py主循环中有一行关键注释直接点明了下一步方向# TODO - fetch declarative memories (facts, wikis, KB, company data, internet, etc)情景记忆episodic memory与声明性记忆declarative memory的区别维度情景记忆已实现声明性记忆规划中内容具体的对话片段、事件事实、概念、知识条目来源nexus/对话日志Wiki、知识库KB、公司数据、互联网回答场景上次我们聊到什么地球有多少颗行星这意味着项目将引入独立的知识索引层预先向量化外部文档与事实库在回答时与情景记忆并行检索——这正是ExternalSources外部来源三个字的含义。路线图二连接外部知识源——让聊天机器人接入世界除了通用事实库规划中的外部知识源还可能包括 个人/团队知识库文档的向量索引 公司内部数据的受控查询 互联网信息的实时检索与注入对使用者的价值很直观聊天机器人将从只懂你们聊过的天升级为既记得你、又懂得多的助手。路线图三三个藏在代码里的优化点chat.py中的其他 TODO 注释勾勒出工程侧的优化路线时间邻近记忆pick more memories temporally nearby——检索时不仅看语义相似度还召回时间上相邻的记忆保持上下文连贯后台增量总结do this in the background over time——笔记总结改为后台增量执行避免海量记忆下每次对话都等待总结先查已有笔记search existing notes first——回答前先检索internal_notes/里的历史笔记减少重复总结、降低成本做梦机制长期记忆的另一块拼图dream_sequence.py配合prompt_dream_raven.txt、prompt_dream_user.txt、prompt_dream_metaphor.txt实现了类似睡眠巩固记忆的机制从笔记中提炼关于用户和 RAVEN 的原则画像并生成隐喻来概括记忆主题。这为声明性记忆提供了雏形——把零散对话固化为稳定的认知结论。总结一张值得收藏的记忆升级路线LongtermChatExternalSources 的路线图清晰而有层次✅已实现对话向量检索情景记忆 笔记总结 RAVEN 人格回答下一步接入声明性记忆事实、Wiki、知识库、公司数据、互联网再下一步外部知识源索引、时间邻近检索、后台总结、梦境固化对于想学习给 GPT-3 加长期记忆的开发者chat.py不到 200 行主循环就是一个绝佳的最小可运行案例对于使用者这个项目展示了一条让 AI 助手真正记住你、懂世界的完整路径。【免费下载链接】LongtermChatExternalSourcesGPT-3 chatbot with long-term memory and external sources项目地址: https://gitcode.com/gh_mirrors/lo/LongtermChatExternalSources创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考