企业官网建设流程全解析

自己在电脑上建文档做网站怎么做,django做网站,什么网站可以自己做配图,学做效果图网站有哪些软件简介 文章介绍了AI智能体的核心架构#xff0c;包括LLM及记忆、规划和工具使用三大模块#xff0c;其中记忆系统是让智能体越用越聪明的关键。详细介绍了MemMachine开源AI记忆库#xff0c;支持短期、长期和个性化内存类型#xff0c;通过关系型数据库和图数据库分别存储简…简介文章介绍了AI智能体的核心架构包括LLM及记忆、规划和工具使用三大模块其中记忆系统是让智能体越用越聪明的关键。详细介绍了MemMachine开源AI记忆库支持短期、长期和个性化内存类型通过关系型数据库和图数据库分别存储简单信息和复杂关系使AI应用能够学习记忆并延续上下文。文章还提供了API和MCP两种接入方式的详细指南。如何让你开发的AI智能体越用越聪明需要解答这个问题就需要先来了解Agent的架构。Lilian Weng的智能体架构以大语言模型LLM为核心作为智能体的“大脑”。智能体**AI Agent大模型LLM记忆Memory规划Planning工具使用Tool Use**规划Planning包括子目标分解将大任务分解为小任务和自我反思与完善从错误中学习并改进。记忆Memory包含短期记忆上下文学习和长期记忆通过外部向量存储进行信息检索。工具使用Tool Use赋予智能体调用外部API的能力以获取额外信息或执行模型本身不具备的功能。以上的三大模块组成了Agent其中记忆就是让Agent越用越聪明的关键点在这里我给大家推荐一个AI Memory 开源库MemMachine。链接https://github.com/memmachine官网https://memmachine.ai/项目介绍MemMachine 是为AI智能体打造的通用记忆层。它让AI应用能够学习、记忆并在不同会话间延续上下文从而构建持续进化的用户档案。简单来说它将普通的聊天机器人升级为能真正理解你、与你共同成长的个性化助手。它有什么特性多种内存类型MemMachine 支持工作短期、持久长期和个性化档案内存类型。开发者友好型 APIPython SDK、RESTful 和 MCP 接口及端点集成起来非常简单。技术架构如下MemMachine 就像是给 AI 装了一个内存条让它能像人一样记住过去、理解现在、预测未来。记忆层情景记忆短期 长期、个性化记忆记住你的喜好习惯存储层数据安全存放在两种数据库里长期记忆使用的图数据库个人信息记忆使用的关系型数据库数据存储设计关系型数据库像一个电子档案柜把数据存在一个个整齐的表格里。它擅长存储简单明了的信息比如你的姓名、年龄、地址这些基本资料。就像你不会把所有东西都堆在桌子上一样关系型数据库把不同类型的信息分类放在不同的表格里查找起来既快又准而且能保证信息不会出错。图数据库像一张社交网络图用 “节点” 代表人和事物用 “边” 代表它们之间的关系。它特别擅长处理复杂的关系网络比如谁是你的朋友、朋友的朋友喜欢什么、谁和谁有共同兴趣。就像你在社交软件上看到的好友关系图一样图数据库能轻松发现隐藏的联系帮你找到 “你可能认识的人” 或者 “你可能喜欢的东西”。一起用的效果这两种数据库就像你的左脑和右脑关系型数据库负责精确的事实记忆图数据库负责智能的关系理解在一起使用时能提供既准确又智能的服务。使用指南接下来介绍两种最通用接入方式API接入、MCP接入。API接入前提条件确保你的 FastAPI 应用程序正在运行。打开终端导航到包含您的app.py文件的目录并运行以下命令。输出应确认服务器正在监听请求。uvicorn app:app --reload获取所有会话最简单的方式是检查现有会话。这个GET请求不需要任何数据。由于还没有创建任何会话你可能会看到一个空列表。curl http://127.0.0.1:8080/v1/sessions创建记忆片段POST /v1/memories需要一个包含会话详情、生产者、接收者和记忆内容的 JSON 主体。curl -X POST http://127.0.0.1:8080/v1/memories \ -H Content-Type: application/json \ -d { session: { group_id: test_group, agent_id: [test_agent], user_id: [test_user], session_id: session_123 }, producer: test_user, produced_for: test_agent, episode_content: This is a simple test memory., episode_type: message, metadata: {} }正确输出收到一个空的200 OK响应确认已成功添加。搜索内存POST /v1/memories/search需要一个 JSON 正文来指定搜索查询和会话。curl -X POST http://127.0.0.1:8080/v1/memories/search \ -H Content-Type: application/json \ -d { session: { group_id: test_group, agent_id: [test_agent], user_id: [test_user], session_id: session_123 }, query: simple test memory, filter: {}, limit: 5 }正确输出看到一个200 OK响应其中包含搜索结果包括你刚刚添加的记忆片段。输出将以 JSON 对象的格式显示确认你的记忆已被成功找到。删除会话数据DELETE /v1/memories需要 JSON 主体来指定要删除哪个会话的数据。curl -X DELETE http://127.0.0.1:8080/v1/memories \ -H Content-Type: application/json \ -d { session: { group_id: test_group, agent_id: [test_agent], user_id: [test_user], session_id: session_123 } }MCP接入前提条件确保你的独立 MCP 服务器已启动并运行可以使用以下示例命令来启动它MEMORY_CONFIGconfig.yml uv run memmachine-mcp-http --host localhost --port 8080其中config.yml是你的 MemMachine 配置文件。localhost和8080是 MCP 服务器将监听请求的主机名和端口。如果您想检查服务器是否运行正常您可以使用curl命令按照以下步骤查询服务器上可用的工具。建立 SSE 连接并获取会话 ID我们需要会话 ID 来与 MCP 服务器进行交互。可以通过建立 Server-Sent Events (SSE)连接来获取会话 ID。curl -v -N http://localhost:8080/mcp/ -H Accept: text/event-stream示例响应* Host localhost:8080 was resolved. * IPv6: ::1 * IPv4: 127.0.0.1 * Trying [::1]:8080... * connect to ::1 port 8080 from ::1 port 62212 failed: Connection refused * Trying 127.0.0.1:8080... * Connected to localhost (127.0.0.1) port 8080 GET /mcp/ HTTP/1.1 Host: localhost:8080 User-Agent: curl/8.7.1 Accept: text/event-stream * Request completely sent off HTTP/1.1 400 Bad Request date: Fri, 31 Oct 2025 21:58:56 GMT server: uvicorn content-type: application/json mcp-session-id: 8f82399b29ba42d495ff44d5a9cf7862 content-length: 105 {jsonrpc:2.0,id:server-error,error:{code:-32600,message:Bad Request: Missing session ID}}在这个输出中查找mcp-session-id头部可以看到会话 ID 是8f82399b29ba42d495ff44d5a9cf7862。初始化会话现在我们已经有了会话 ID可以通过向 MCP 服务器发送initialize请求来初始化会话。curl http://localhost:8080/mcp/ \ -H Content-Type: application/json \ -H Accept: application/json, text/event-stream \ -H mcp-session-id: 8f82399b29ba42d495ff44d5a9cf7862 \ -d { jsonrpc: 2.0, id: 1, method: initialize, params: { protocolVersion: 2024-11-05, capabilities: {}, clientInfo: { name: curl-client, version: 1.0.0 } } }示例响应event: message data: { jsonrpc: 2.0, id: 1, result: { protocolVersion: 2024-11-05, capabilities: { experimental: {}, prompts: { listChanged: true }, resources: { subscribe: false, listChanged: true }, tools: { listChanged: true } }, serverInfo: { name: MemMachine, version: 1.16.0 } } }发送初始化通知初始化会话后我们需要向 MCP 服务器发送initialized通知。curl http://localhost:8080/mcp/ \ -H Content-Type: application/json \ -H Accept: application/json, text/event-stream \ -H mcp-session-id: 8f82399b29ba42d495ff44d5a9cf7862 \ -d { jsonrpc: 2.0, method: notifications/initialized }请求应成功且无任何错误。列出可用工具现在我们可以通过向 MCP 服务器发送tools/list请求来列出可用工具。curl http://localhost:8080/mcp/ \ -H Content-Type: application/json \ -H Accept: application/json, text/event-stream \ -H mcp-session-id: 8f82399b29ba42d495ff44d5a9cf7862 -d { jsonrpc: 2.0, id: 2, method: tools/list, params: {} }示例响应event: message data: { jsonrpc: 2.0, id: 2, result: { tools: [ { name: add_memory, description: Store important new information about the user or conversation into memory. Use this automatically whenever the user shares new facts, preferences, plans, emotions, or other details that could be useful for future context. Include the **full conversation context** in the content field — not just a snippet. This tool writes to both short-term (episodic) and long-term (profile) memory, so that future interactions can recall relevant background knowledge even across different sessions., inputSchema: { $defs: { AddMemoryParam: { description: Parameters for adding memory.\n\nThis model is used by chatbots or agents to store important information\ninto memory for a specific user. The content should contain the **full\nconversational or contextual summary**, not just a short fragment.\n\nChatbots should call this when they learn new facts about the user,\nobserve recurring behaviors, or summarize recent discussions., ... }总结让AI智能体越用越聪明就是为它安装一个强大的记忆系统。通过集成 MemMachine 专业记忆层Anget就能瞬间赋予长期记忆和个性化学习能力将普通 Agent 升级为能真正理解用户并与之共同成长的AI智能体伙伴。如何学习AI大模型我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】第一阶段从大模型系统设计入手讲解大模型的主要方法第二阶段在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用第三阶段大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统第四阶段大模型知识库应用开发以LangChain框架为例构建物流行业咨询智能问答系统第五阶段大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型第六阶段以SD多模态大模型为主搭建了文生图小程序案例第七阶段以大模型平台应用与开发为主通过星火大模型文心大模型等成熟大模型构建大模型行业应用。学会后的收获• 基于大模型全栈工程实现前端、后端、产品经理、设计、数据分析等通过这门课可获得不同能力• 能够利用大模型解决相关实际项目需求 大数据时代越来越多的企业和机构需要处理海量数据利用大模型技术可以更好地处理这些数据提高数据分析和决策的准确性。因此掌握大模型应用开发技能可以让程序员更好地应对实际项目需求• 基于大模型和企业数据AI应用开发实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能 学会Fine-tuning垂直训练大模型数据准备、数据蒸馏、大模型部署一站式掌握• 能够完成时下热门大模型垂直领域模型训练能力提高程序员的编码能力 大模型应用开发需要掌握机器学习算法、深度学习框架等技术这些技术的掌握可以提高程序员的编码能力和分析能力让程序员更加熟练地编写高质量的代码。1.AI大模型学习路线图2.100套AI大模型商业化落地方案3.100集大模型视频教程4.200本大模型PDF书籍5.LLM面试题合集6.AI产品经理资源合集获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】