AgentLoop Memory Store (MemoryStore) menyediakan memori persisten bagi agen AI untuk menyimpan preferensi pengguna, fakta penting, dan konteks yang dapat digunakan kembali. Aplikasi menulis percakapan ke Memory Store melalui antarmuka yang kompatibel dengan mem0, mengambil memori relevan pada interaksi berikutnya, lalu meneruskan hasil tersebut ke agen agar layanan tetap konsisten di berbagai sesi.
Mengapa menggunakan Memory Store
Pada sesi baru, agen hanya dapat menggunakan konteks yang diteruskan oleh aplikasi. Jika aplikasi tidak membawa riwayat sebelumnya, pengguna harus menjelaskan kembali informasi latar belakang, preferensi, dan kebutuhannya. Misalnya, pengguna memberi tahu asisten, "Saya lebih suka hidangan ringan yang tidak terlalu pedas." Saat meminta saran makan malam berikutnya, pengguna mungkin tetap harus mengulang preferensi tersebut.
Seiring meningkatnya jumlah interaksi, membawa seluruh riwayat dalam setiap permintaan juga turut menyertakan banyak konten yang tidak relevan dengan pertanyaan saat ini. Memory Store menyimpan informasi yang dapat digunakan kembali dari percakapan, sehingga aplikasi dapat mengambil hanya informasi yang relevan dengan pertanyaan terkini dan menyusun konteks yang tepat untuk permintaan tersebut.
Memory Store membantu Anda mengatasi permasalahan berikut:
Kontinuitas antar sesi — Pada interaksi baru, gunakan kembali informasi latar belakang yang telah diberikan pengguna dan kurangi pertanyaan berulang.
Layanan yang dipersonalisasi — Gunakan gaya komunikasi, minat, dan preferensi pengguna sebagai referensi untuk jawaban.
Konteks untuk tugas saat ini — Ambil informasi yang terkait dengan pertanyaan saat ini agar agen memahami kebutuhan spesifik pengguna.
Konsep utama
Konsep | Deskripsi | Contoh |
Memory Store | Resource yang mengelola data memori. Memory Store dibuat dalam agent space, dan aplikasi terhubung ke resource tersebut melalui Kunci API yang sesuai | Buat |
Conversation message (short-term memory) | Konten interaksi mentah yang ditulis aplikasi, yang menjadi input untuk ekstraksi memori | Pengguna berkata, "Saya lebih suka hidangan ringan yang tidak terlalu pedas," dan asisten membalas |
Long-term memory | Informasi yang diekstraksi dari interaksi dan digunakan kembali dalam pengambilan berikutnya | Pengguna lebih suka makanan ringan yang tidak terlalu pedas |
User identifier | Identifier yang ditetapkan aplikasi untuk pengguna bisnis guna mengaitkan dan mengambil memori pengguna tersebut |
|
Cara kerja Memory Store
Alur dari percakapan hingga jawaban berikutnya biasanya mencakup tahapan berikut:
Tulis percakapan — Aplikasi mengirim pesan dari pengguna dan asisten ke Memory Store serta mengaitkannya dengan user identifier.
Ekstraksi memori — Dalam permintaan penulisan, aplikasi mengatur parameter
inferketrueuntuk mengekstraksi informasi yang dapat digunakan kembali ke dalam long-term memory.Ambil memori yang relevan — Saat pengguna mengajukan pertanyaan baru, aplikasi mengambil memori relevan dengan menggunakan pernyataan kueri dan user identifier.
Susun konteks — Aplikasi memilih memori yang terkait dengan pertanyaan saat ini dan meneruskannya ke agen bersama pertanyaan terkini serta percakapan terbaru yang diperlukan.
Lanjutkan akumulasi informasi — Setelah putaran percakapan saat ini selesai, aplikasi dapat menulis konten interaksi baru untuk diproses dan diambil nanti.
Contoh dalam tabel Konsep utama hanya mengilustrasikan konsep tersebut. Redaksi aktual yang diekstraksi dan jumlah entri bergantung pada hasil pengambilan, dan satu kalimat dalam percakapan belum tentu sesuai dengan satu entri long-term memory.
Penulisan memori yang berhasil, long-term memory yang dapat diambil, dan agen yang menggunakan memori tersebut dalam jawabannya merupakan tiga tahap yang harus Anda verifikasi secara terpisah. Gunakan Long-term Memory Retrieval di Konsol untuk memastikan long-term memory dapat diambil.
Skenario umum
Tabel berikut mencantumkan skenario umum penggunaan Memory Store:
Skenario | Informasi yang diakumulasi | Cara penggunaannya di kemudian hari |
Asisten kehidupan pribadi | Preferensi makanan, preferensi perjalanan, dan kebiasaan harian | Ambil preferensi yang terkait dengan permintaan saat ini sebelum menghasilkan saran |
Asisten layanan pelanggan | Informasi latar belakang tentang penggunaan produk dan preferensi layanan yang diberikan pengguna | Bawa informasi yang telah diberikan pengguna ke sesi baru untuk mengurangi konfirmasi berulang |
Asisten pembelajaran | Topik, tujuan, dan preferensi penjelasan pengguna | Sesuaikan fokus dan gaya penjelasan saat menjawab pertanyaan |
Asisten kerja | Topik pekerjaan, format output, dan kebiasaan komunikasi yang menjadi perhatian pengguna | Jadikan persyaratan pengguna sebagai referensi saat menghasilkan ringkasan atau hasil analisis |
Sebagai contoh, asisten memasak dapat menggunakan memori dengan cara berikut:
Tahap interaksi | Aksi pengguna atau aplikasi | Peran memori |
Kontak pertama | Pengguna menyatakan, "Saya lebih suka hidangan ringan yang tidak terlalu pedas." | Aplikasi menulis percakapan dan mengakumulasi preferensi makanan |
Pertanyaan lanjutan | Pengguna bertanya, "Apa yang harus saya makan malam ini?" dalam sesi baru | Aplikasi mengambil preferensi makanan pengguna tersebut |
Generasi saran | Aplikasi menambahkan preferensi relevan ke konteks permintaan saat ini | Agen menggabungkan preferensi dengan pertanyaan saat ini untuk memberikan saran |
Memori memberikan referensi untuk jawaban. Aplikasi juga harus meneruskan kebutuhan baru yang disampaikan pengguna dalam permintaan saat ini ke agen, bukan hanya mengandalkan informasi historis.
Fitur Konsol
Konsol menyediakan kemampuan berikut untuk Memory Store.
Manage a Memory Store
Create Memory Store — Masukkan nama Memory Store dan deskripsi opsional.
Overview — Lihat informasi dasar Memory Store, seperti nama, deskripsi, waktu pembuatan, dan waktu pembaruan.
API Key — Buat Kunci API agar aplikasi eksternal dapat mengakses Memory Store.
Verifikasi hasil pengambilan
Long-term Memory Retrieval — Masukkan pernyataan kueri dan topK, lalu batasi cakupan pengambilan berdasarkan user ID, App ID, Agent ID, dan Run ID.
Integrasikan aplikasi Anda
Integration — Lihat dan salin contoh integrasi HTTP API atau Python SDK.
Aplikasi membaca dan menulis memori melalui antarmuka yang kompatibel dengan mem0. Setelah Memory Store dibuat, aplikasi tetap perlu mengintegrasikan alur penulisan dan pengambilan serta menambahkan hasil pengambilan ke permintaan model. Untuk titik akhir, cara memanggil API, dan parameter, gunakan contoh pada tab Integration Memory Store yang ingin Anda gunakan.
Memulai
Sebelum mengintegrasikan Memory Store, pastikan hal-hal berikut telah tersedia:
Agent space. Memory Store dibuat dalam agent space.
Memory Store. Masukkan nama Memory Store dan deskripsi opsional di Konsol.
Kunci API. Aplikasi terhubung ke Memory Store melalui Kunci API yang sesuai.
Titik akhir, cara memanggil API, dan parameter, yang tersedia dalam contoh integrasi pada tab Integration.
Mulailah dengan satu skenario spesifik. Tulis percakapan contoh yang secara jelas menyatakan preferensi, ambil memori yang diekstraksi dari percakapan tersebut, lalu tambahkan memori yang diambil ke konteks yang dikirim aplikasi Anda ke agen.
Untuk prosedur, contoh penulisan HTTP, rekomendasi untuk user identifier, dan FAQ, lihat Use a memory store.