Memary - Langzeitgedächtnis für Automatisierungsagenten

• Aktuelle Agenten verwenden LLMs, die durch ein festes Kontextfenster begrenzt sind
• Memary überwindet diese Einschränkung, indem es Agenten ermöglicht, große Informationsmengen in einem Wissensgraphen zu speichern, über ein Speichermodul Benutzerwissen zu erschließen und für aussagekräftige Antworten nur relevante Informationen abzurufen
• Bereitgestellte Funktionen
  • Routing-Agent: Leitet mit einem ReAct-Agenten Abfragen weiter, die in mehreren Tools ausgeführt werden sollen
  • Erstellung und Suche von Wissensgraphen: Erstellt mit Neo4j einen Wissensgraphen, der Agentenantworten speichert, damit sie später abgerufen werden können
  • Memory-Stream: Verfolgt mithilfe von Entity-Extraktion alle im Wissensgraphen gespeicherten Entitäten. Dieser Stream spiegelt das breite Wissen des Benutzers wider
  • Entitäts-Wissensspeicher: Gruppiert und ordnet alle Entitäten im Memory-Stream, um die Top-N-Entitäten an das Kontextfenster zu übergeben. Dieser Wissensspeicher spiegelt die Tiefe des Wissens des Benutzers wider

[xguru]

Der Haupt-Contributor ist wohl Koreaner ;)