首页 > Ai资讯 > Ai知识库 > 9.4k Star!MemGPT:伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

9.4k Star!MemGPT:伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

发布时间:2024年07月30日

MemGPT 允许你使用长期记忆和自定义工具构建 LLM
Agent

最近有个新项目MemGPT,这个东西真的挺有意思,它可以让大型语言模型,比如让GPT-4这样的llm处理比原生更长的上下文窗口,从而提高它们在复杂任务(如多会话对话和详细文档分析)中的性能。

教导llm管理自己的无限上下文内存!

MemGPT 中,固定上下文 LLM 处理器增强了分层内存系统和功能,使其可以管理自己的内存。LLM 的提示标记(输入)或主上下文由系统指令、工作上下文和 FIFO 队列组成。LLM 完成标记(输出)被函数执行器解释为函数调用。MemGPT 使用函数在主上下文和外部上下文(归档和调用存储数据库)之间移动数据。LLM 可以通过在其输出中生成特殊关键字参数 (
request_heartbeat=true )
来请求立即后续 LLM 推理,以将函数调用链接在一起;函数链允许 MemGPT 执行多步骤检索来回答用户查询

o

 llm越来越多地被用于永久聊天

o

有限的上下文长度使得永久的聊天具有挑战性

o

 MemGPT通过管理一个虚拟上下文(受操作系统中虚拟内存的启发)来创建无限的LLM上下文

o

通过MemGPT,我们证明了llm可以被教会管理自己的内存!

o

通常像GPT-4这类大模型处理复杂的自然语言任务还行,但是当事情涉及到长期记忆或者需要推理一大堆数据时,它们就有点力不从心了。想想看,如果一个模型只能记住它最近看过的一点点信息,要是信息太多,它就处理不了了。

比较常用模型和 LLM API 的上下文长度(数据收集于 1/2024)。近似消息计数假设预提示有 1k 个令牌,平均消息大小为50 个代币。“Open”意味着该模型是开源的或开放权重的(而不是仅在 API 后面可用)。

但是,MemGPT这玩意儿来了就不一样了。加州大学伯克利分校的研究人员发明了这个技术,灵感来自于电脑操作系统怎样管理内存的。

这个技术其实挺简单的,就是把内存分成两部分:一部分像电脑的RAM一样直接用来处理信息,另一部分就像硬盘一样存放不是立刻需要的数据。当需要这些数据的时候,MemGPT就会把它们调出来。这就让模型能处理那些本来因为信息太多处理不了的任务。

1719305430006

MemGPT(左)在收到有关上下文空间有限的系统警报后将数据写入持久内存

MemGPT通过将内存分为两个主要层进行操作:“主要上下文”,它包括LLM正在处理的直接数据,以及“外部上下文”,它存储可以根据需要带入主要上下文的额外数据。这种设计的灵感来自传统操作系统管理物理内存和虚拟内存的方式,即数据在更快和更慢的存储介质之间进行分页,以创建一个更大、无缝的内存空间的假象。

1719305439567

MemGPT(左)可以搜索上下文外数据,将相关信息带入当前上下文窗口

该系统被设计为自治的,根据手头任务的需求管理这些内存层之间的数据流。例如,MemGPT可以根据当前的上下文和用户交互的需求,动态地决定何时从外部上下文检索数据,何时将不太重要的信息推送出去。

1719305443913

MemGPT(左)更新存储信息的示例对话片段。这里的信息存储在工作上下文内存中(位于提示标记内)

这种架构不仅允许处理更大的数据集和更长的对话,而且还提高了模型在扩展的交互中保持一致性的能力,这对于需要持续参与的应用程序特别有用,例如个性化数字助理和高级对话代理。

1719305448353

MemGPT(左)解决文档 QA 任务的示例。维基百科文档的数据库被上传到档案存储。MemGPT 通过函数调用查询档案存储,将分页搜索结果拉入主上下文。

这个技术的重要性在于,它没有简单地增加模型的大小或者计算需求,而是通过一种更聪明的方式来优化模型的内存使用。这样做不仅能让现有的模型做得更好,还为未来的发展提供了新的方向。

MemGPT 还支持与
llama.cpp
vLLMOllamaLM Studio 等开源模型整合、以及与 AutoGen  MultiAgent 框架进行结合使用。AutoGen是微软开源的多 Agent 的开发框架,目前 25.5K Star

·

·

https://memgpt.readme.io/docs/local_llmhttps://github.com/microsoft/autogen

IMG_266快速开始

MemGPT让构建和部署具有以下功能的有状态 LLM 代理变得简单:

o

长期记忆/状态管理

o

外部数据源(例如 PDF 文件)的连接,用于 RAG

o

定义和调用自定义工具(例如Google 搜索

o

您还可以使用 MemGPT 将代理部署为服务。您可以使用 MemGPT 服务器在支持的 LLM 提供者的基础上运行多用户、多代理应用程序。

安装与设置

安装 MemGPT

pip install -U pymemgpt

要将 MemGPT OpenAI 一起使用,请将环境变量OPENAI_API_KEY设置为您的 OpenAI 密钥,然后运行:

memgpt quickstart --backend openai

要使用 MemGPT 与免费托管的端点,请运行:

memgpt quickstart --backend memgpt

要获取更高级的配置选项或使用不同的LLM 后端本地 LLMs,请运行memgpt configure

快速入门(CLI

您可以在 CLI 中运行memgpt run来创建并与 MemGPT 代理聊天。run命令支持以下可选标志(请参阅CLI 文档以获取完整的标志列表):

o

--agent:(str)要创建或恢复聊天的代理的名称。

o

--first:(str)允许用户发送第一条消息。

o

--debug:(bool)显示调试日志(默认=False

o

--no-verify:(bool)绕过消息验证(默认=False

o

o

--yes/-y:(bool)跳过确认提示并使用默认值(默认=False

您可以在CLI 文档中查看可用的聊天命令列表(例如/memory/exit)。

开发者门户(alpha 构建)

MemGPT 提供了一个开发者门户,使您可以轻松创建、编辑、监视和与您的 MemGPT 代理聊天。使用docker安装 MemGPT 是使用开发者门户的最简单方法(请参阅下面的说明)。

快速入门(服务器)

选项 1(推荐):使用 docker compose 运行

1.

1. 在您的系统上安装 docker

2.

2. 克隆仓库:git
clone git@github.com:cpacker/MemGPT.git

3.

3. 运行docker compose up

4.

4. 在浏览器中转到memgpt.localhost查看开发者门户

选项 2使用 CLI 运行:

1.

1. 运行memgpt server

2.

2. 在浏览器中转到localhost:8283查看开发者门户

服务器运行后,您可以使用Python 客户端REST API连接到memgpt.localhost(如果您使用 docker compose 运行)或localhost:8283(如果您使用 CLI 运行)以创建用户、代理等。服务需要使用 MemGPT 管理员密码进行身份验证,可以使用运行export
MEMGPT_SERVER_PASS=password
设置密码。

当使用 MemGPT 与开放的 LLMs(例如从 HuggingFace 下载的)时,MemGPT 的性能将高度依赖于 LLM 的函数调用能力。您可以在Discord #model-chat 频道以及此电子表格上找到已知与
MemGPT
配合良好的 LLMs/模型的列表。

参考链接

文档:https://memgpt.readme.io

论文:https://ar5iv.labs.arxiv.org/html/2310.08560

官网:https://research.memgpt.ai/

Githubhttps://github.com/cpacker/MemGPT

—  —

出自:https://mp.weixin.qq.com/s/Bb5LbM0Aa1e2moe2lTJWxg

如果你想要了解关于智能工具类的内容,可以查看 智汇宝库,这是一个提供智能工具的网站。
在这你可以找到各种智能工具的相关信息,了解智能工具的用法以及最新动态。