Memobase 使用教程
2026-01-30 04:56:21作者:尤辰城Agatha
1. 项目介绍
Memobase 是一个基于用户档案的记忆系统,旨在为生成式人工智能(GenAI)应用带来长期用户记忆。无论是构建虚拟伴侣、教育工具还是个性化助手,Memobase 都能赋予您的 AI 记忆、理解和随着用户成长的能力。
Memobase 提供了结构化的用户档案,能够记录用户的语言、婚姻状况、教育背景、兴趣、心理特征和职业等信息,从而让 AI 更好地理解和服务于用户。
2. 项目快速启动
环境准备
在开始之前,确保您已经安装了 Python 环境。
安装 Memobase
通过以下命令安装 Memobase Python SDK:
pip install memobase
启动 Memobase 后端
您需要准备以下两个东西来继续:
- 项目 URL。默认为
http://localhost:8019 - 项目令牌。默认为
secret
初始化 Memobase 客户端
在您的 Python 代码中,初始化 Memobase 客户端并连接到后端:
from memobase import MemoBaseClient, ChatBlob
mb = MemoBaseClient(
project_url='http://localhost:8019',
api_key='secret'
)
assert mb.ping()
管理用户
创建、更新和获取用户信息:
# 添加用户
uid = mb.add_user({"any_key": "any_value"})
# 更新用户信息
mb.update_user(uid, {"any_key": "any_value2"})
# 获取用户信息
user = mb.get_user(uid)
print(user)
插入数据
在 Memobase 中,所有类型的数据都是以 blob 的形式存在的,您可以插入、获取和删除这些数据:
# 插入数据
messages = [
{"role": "user", "content": "Hello, I'm Gus"},
{"role": "assistant", "content": "Hi, nice to meet you, Gus!"}
]
bid = user.insert(ChatBlob(messages=messages))
print(user.get(bid))
# 默认情况下,Memobase 处理完数据后会移除 blobs。
# user.delete(bid)
获取用户记忆
# 刷新并获取记忆
user.flush()
# 获取用户档案
print(user.profile(need_json=True))
3. 应用案例和最佳实践
用户记忆集成
将用户档案集成到您的 AI 提示中,以便更好地理解用户:
context = user.context(max_token_size=500, prefer_topics=["basic_info"])
print(context)
用户分析和跟踪
通过分析用户对话,记录用户偏好和行为:
profiles = user.profile()
def under_age_30(p):
return p.sub_topic == "age" and int(p.content) < 30
def love_cat(p):
return p.topic == "interest" and p.sub_topic == "pets" and "cat" in p.content
is_user_under_30 = len([p for p in profiles if under_age_30(p)]) > 0
is_user_love_cat = len([p for p in profiles if love_cat(p)]) > 0
推荐产品
根据用户职业推荐相应的产品:
def pick_an_ad(profiles):
work_titles = [p for p in profiles if p.topic == "work" and p.sub_topic == "title"]
if not work_titles:
return None
wt = work_titles[0].content
if wt == "Software Engineer":
return "Deep Learning Stuff"
elif wt == "some job":
return "some ads"
4. 典型生态项目
Memobase 可以与各种 AI 应用集成,例如聊天机器人、个性化教育工具等,形成一个强大的生态系统。通过记录和分析用户数据,这些项目可以更好地适应用户需求,提供更个性化的服务。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
Ascend Extension for PyTorch
Python
379
453
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1