曾经希望你的人工智能能够记住你更喜欢简短、直接的答案吗？或者您喜欢对某些主题进行更详细的答复？人工智能记忆使这成为可能，允许系统回忆您的偏好并适应不同的对话。

在 LLMChat，我们一直致力于通过让 AI 变得更智能、更个性化来打造更直观的 AI 聊天体验。我们实现这一目标的关键方法之一是赋予人工智能记住的能力。

人工智能记忆的工作原理

人工智能内存存储用户特定的信息，以个性化未来的交互。它利用函数调用方法，在需要添加、更新或删除新信息时触发特定操作。例如，如果您告诉人工智能您更喜欢简洁的答案，它会记住这一点并在以后的聊天中调整其响应。

这是我们用于管理内存的模式：

const memoryToolSchema = z.object({
  memory: z.array(
    z.string().describe("Key information about the user")
  ).describe("New info to be added or updated"),
  question: z.string().describe("The user's request"),
});

记忆功能的作用

让我们看看人工智能记忆系统的核心。当提供新信息（例如用户偏好）时，我们的 DynamicStructuredTool 可确保 AI 动态更新或添加必要的详细信息。下面是它的工作原理的一瞥：

const memoryFunction = (context: ToolExecutionContext) => {
  return new DynamicStructuredTool({
    name: "memory",
    description: "Manages user preferences and adapts interactions...",
    schema: memoryToolSchema,
    func: async ({ memory, question }) => {
      const existingMemories = context.preferences?.memories || [];

      const chain = RunnableSequence.from([
        PromptTemplate.fromTemplate(`
          User request: "{question}"
          New info: {new_memory}
          Existing memories: {existing_memory}

          Update memories:
          1. Update existing details
          2. Remove if necessary
          3. Add new unique memories`),
        context.model,
        memoryParser,
      ]);

      const response = await chain.invoke({
        new_memory: memory.join("\n"),
        existing_memory: existingMemories.join("\n"),
        question: question,
      });

      context.updatePreferences?.({ memories: response.memories });
      return question;
    },
  });
};

此功能可确保人工智能不断适应用户偏好，使每次交互都感觉量身定制且更相关。

为什么记忆很重要

人工智能记忆通过使交互更加个性化来增强用户体验。无论是记住您喜欢的答案、跟踪正在进行的项目，还是了解您的偏好，记忆都可以让人工智能更智能地运行。它还为用户提供了控制权，允许他们管理记住的内容、更新偏好设置或根据需要清除所有内容。

// Example: Updating user preferences in real-time
context.updatePreferences?.({
  memories: response.memories,
});

结论

记忆让人工智能不仅仅是一个工具——它成为一个适应你的伴侣。通过使用函数调用方法，我们为动态和个性化对话开启了新的可能性。在 LLMChat，我们对记忆如何改变 AI 交互、使它们变得更聪明、更像人类感到兴奋。