企业官网建设流程全解析

MemoRizz完全指南：构建持久化记忆增强型AI代理的终极框架

【免费下载链接】memorizzMemoRizz: A Python library serving as a memory layer for AI applications. Leverages popular databases and storage solutions to optimize memory usage. Provides utility classes and methods for efficient data management.项目地址: https://gitcode.com/gh_mirrors/me/memorizz

MemoRizz是一个Python框架，专为构建记忆增强型AI代理而设计。它提供了多种记忆系统、可插拔存储提供商、代理构建器和应用模式，让开发者能够轻松创建具有持久化记忆能力的智能应用。无论是需要持续对话的助手、自动化工作流的执行者，还是进行深度研究的多代理系统，MemoRizz都能提供强大的支持。

为什么选择MemoRizz？核心功能解析 🚀

MemoRizz的核心优势在于其全面的记忆管理系统和灵活的架构设计。以下是你需要了解的关键能力：

多维度记忆系统

MemoRizz实现了多种记忆类型，模拟人类认知过程：

• 语义记忆：存储事实性知识和概念，通过嵌入向量实现高效检索
• 情景记忆：记录对话历史和事件序列，支持自动摘要生成
• 程序记忆：管理工具、技能和工作流，支持持续学习和技能进化
• 短期记忆：提供上下文窗口管理和语义缓存，优化LLM调用效率
• 共享记忆：支持多代理协作的黑板系统，实现知识共享和任务协调

这些记忆类型通过统一的接口管理，可根据应用模式自动配置。详细的内存架构设计可参考MEMORY_ARCHITECTURE.md。

灵活的存储后端

MemoRizz支持多种存储提供商，满足不同场景需求：

• 文件系统：适合本地开发和轻量级应用，使用FAISS进行向量搜索
• MongoDB：适合分布式环境和高并发应用
• Oracle：企业级解决方案，提供高级数据管理和查询能力

通过统一的MemoryProvider接口，你可以无缝切换存储后端，而无需修改核心业务逻辑。

智能应用模式

MemoRizz提供三种预设应用模式，自动配置相应的记忆堆栈：

• 助手模式：优化对话体验，启用对话记忆、实体记忆和人物角色管理
• 工作流模式：专注任务执行，强化工具箱和工作流记忆
• 深度研究模式：支持多代理协作，提供共享内存和高级工具集成

快速入门：从零开始构建你的第一个记忆增强型AI代理

环境准备

首先，通过pip安装MemoRizz核心包：

pip install memorizz

根据需要安装额外组件：

# 安装Oracle存储支持 pip install "memorizz[oracle]" # 安装MongoDB存储支持 pip install "memorizz[mongodb]" # 安装本地文件系统支持（含FAISS） pip install "memorizz[filesystem]" # 安装本地Web UI pip install "memorizz[ui]" # 安装所有组件 pip install "memorizz[all]"

使用文件系统提供程序的基本示例

以下代码演示如何创建一个具有持久化记忆的AI助手：

import os from pathlib import Path from memorizz.memagent.builders import MemAgentBuilder from memorizz.memory_provider import FileSystemConfig, FileSystemProvider # 设置OpenAI API密钥 os.environ["OPENAI_API_KEY"] = "your-openai-api-key" # 配置文件系统存储提供程序 provider = FileSystemProvider( FileSystemConfig( root_path=Path("~/.memorizz").expanduser(), embedding_provider="openai", embedding_config={"model": "text-embedding-3-small"}, ) ) # 构建AI代理 agent = ( MemAgentBuilder() .with_instruction("你是一个具有持久记忆的 helpful 助手。") .with_memory_provider(provider) .with_llm_config( { "provider": "openai", "model": "gpt-4o-mini", "api_key": os.environ["OPENAI_API_KEY"], } ) .with_semantic_cache(enabled=True, threshold=0.85) .build() ) # 与代理交互 print(agent.run("嗨，我叫Leah，我在支付系统工作。")) print(agent.run("我告诉过你我的工作是什么吗？")) # 获取上下文窗口统计信息 stats = agent.get_context_window_stats() print(stats)

多用户支持

构建多用户应用时，通过user_id参数实现记忆隔离：

agent.run("记住我最喜欢的颜色是紫色。", user_id="alice") agent.run("我最喜欢的颜色是什么？", user_id="bob") # 不会看到alice的数据

完整的多租户支持指南请参考Multi-Tenant Guide。

高级功能：释放MemoRizz的全部潜力

本地LLM支持

MemoRizz支持多种本地LLM后端，实现完全离线的AI代理：

以下是使用Hugging Face Transformers的示例：

from memorizz.memagent.builders import MemAgentBuilder agent = ( MemAgentBuilder() .with_memory_provider(provider) .with_llm_config({ "provider": "huggingface", "model": "google/gemma-4-E2B-it", "max_new_tokens": 512, "temperature": 0.7, }) .build() )

互联网访问能力

深度研究代理可以集成互联网访问工具：

import os from memorizz.internet_access import TavilyProvider from memorizz.memagent.builders import create_deep_research_agent llm_config = { "provider": "openai", "model": "gpt-4o-mini", "api_key": os.environ["OPENAI_API_KEY"], } internet_provider = TavilyProvider(api_key=os.environ["TAVILY_API_KEY"]) agent = ( create_deep_research_agent(internet_provider=internet_provider) .with_memory_provider(provider) .with_llm_config(llm_config) .build() ) results = agent.search_internet("最新的向量数据库基准测试")

沙箱代码执行

通过沙箱提供程序启用代码执行能力：

import os from memorizz.memagent import MemAgent llm_config = { "provider": "openai", "model": "gpt-4o-mini", "api_key": os.environ["OPENAI_API_KEY"], } agent = MemAgent( llm_config=llm_config, memory_provider=provider, sandbox_provider="e2b", # 或 "daytona" / "graalpy" ) print(agent.execute_code("print(2 ** 16)"))

技能市场集成

MemoRizz可以搜索和使用外部技能市场的代理技能：

from memorizz.memagent import MemAgent agent = MemAgent( llm_config=llm_config, memory_provider=provider, skills_marketplace_provider="vercel", ) # 代理现在可以搜索并应用Vercel Agent Skills print(agent.run("使用最佳实践构建Next.js应用"))

实用工具：CLI与本地Web UI

命令行界面

MemoRizz提供了一个交互式终端代理，具有持久记忆：

memorizz # 交互式REPL（记忆在启动之间保持） memorizz --code # 启用编码工具（读写文件+命令） memorizz run "your prompt" # 一次性运行，打印回复 memorizz ui # 启动本地Web UI（需要[ui]组件）

数据库管理命令：

memorizz oracle install # 启动Oracle容器助手 memorizz oracle setup # 初始化Oracle模式/用户

完整的CLI参考请查阅CLI Guide。

本地Web UI

安装UI组件后，通过memorizz ui命令启动本地Web界面，提供直观的代理管理、记忆浏览和技能市场访问。

深入学习：示例与文档

MemoRizz提供了丰富的示例，帮助你快速掌握各种功能：

• 单代理示例：examples/single_agent/memagent_local_oracle.ipynb
• 深度研究示例：examples/deep_research/deep_research_memagent.ipynb
• 沙箱执行示例：examples/sandbox/memagent_e2b_sandbox.ipynb
• 自动化示例：examples/automations/automations_guide.ipynb
• 持续学习示例：examples/continual_learning/continual_learning_guide.ipynb
• 模型提供程序示例：examples/model_providers/

完整文档位于项目的docs/目录，可通过make docs-serve命令本地预览。

开始使用MemoRizz

要开始使用MemoRizz，只需克隆仓库并按照安装指南操作：

git clone https://gitcode.com/gh_mirrors/me/memorizz cd memorizz # 按照SETUP.md中的说明进行安装

无论你是构建个人AI助手、企业级自动化工具，还是研究多代理系统，MemoRizz都提供了构建持久化记忆增强型AI代理所需的全部工具和框架。立即开始探索，释放AI的全部潜力！

【免费下载链接】memorizzMemoRizz: A Python library serving as a memory layer for AI applications. Leverages popular databases and storage solutions to optimize memory usage. Provides utility classes and methods for efficient data management.项目地址: https://gitcode.com/gh_mirrors/me/memorizz