mirror of
https://github.com/agentscope-ai/ReMe.git
synced 2026-09-07 08:26:06 +00:00
init readme zh
This commit is contained in:
dengjiaji
parent
80dae9953e
commit
2d4f7e18fe
1 changed files with 270 additions and 0 deletions
270
README_ZH.md
Normal file
270
README_ZH.md
Normal file
|
|
@ -0,0 +1,270 @@
|
|||
# ReMe.ai
|
||||
|
||||
<p align="center">
|
||||
<img src="doc/figure/logo.jpg" alt="ReMe.ai Logo" width="100%">
|
||||
</p>
|
||||
|
||||
<p align="center">
|
||||
<a href="https://pypi.org/project/reme-ai/"><img src="https://img.shields.io/badge/python-3.12+-blue" alt="Python Version"></a>
|
||||
<a href="https://pypi.org/project/reme-ai/"><img src="https://img.shields.io/badge/pypi-v1.0.0-blue?logo=pypi" alt="PyPI Version"></a>
|
||||
<a href="./LICENSE"><img src="https://img.shields.io/badge/license-Apache--2.0-black" alt="License"></a>
|
||||
<a href="https://github.com/modelscope/ReMe.ai"><img src="https://img.shields.io/github/stars/modelscope/ReMe.ai?style=social" alt="GitHub Stars"></a>
|
||||
</p>
|
||||
|
||||
<p align="center">
|
||||
<strong>记忆驱动的AI智能体框架</strong><br>
|
||||
<em>"如果说我比别人看得更远些，那是因为我站在了巨人的肩膀上。" —— 牛顿</em>
|
||||
</p>
|
||||
|
||||
---
|
||||
|
||||
Remember Everyone, Recreate Everything
|
||||
|
||||
Remember Me, Reshape Me
|
||||
|
||||
Remember Me, Refine Me
|
||||
|
||||
Remember Me, Reinvent Me
|
||||
|
||||
今天的每个AI智能体都在从零开始。每当智能体处理任务时，它都在重新发明无数其他智能体已经发现的解决方案。这就像要求每个人都从头发现火、农业和数学一样。
|
||||
|
||||
ReMe.ai希望改变这一点。我们为AI智能体提供了统一的记忆与经验系统——在跨用户、跨任务、跨智能体下抽取、复用和分享记忆的能力。
|
||||
|
||||
```
|
||||
任务经验 (Task Memory) + 个人记忆 (Personal Memory) = agent的记忆管理
|
||||
```
|
||||
|
||||
个人记忆回答"**如何理解用户需要**"，任务记忆回答"**如何做得更好**"，
|
||||
|
||||
---
|
||||
|
||||
## 📰 最新动态
|
||||
- **[2025-09]** 🎉 ReMe.ai v1.0.0 正式发布，整合任务经验与个人记忆
|
||||
- **[2025-08]** 🚀 MCP协议支持已上线！→ [快速开始指南](./doc/mcp_quick_start.md)
|
||||
- **[2025-07]** 📚 完整文档和快速开始指南发布
|
||||
- **[2025-06]** 🚀 多后端向量存储支持 (Elasticsearch & ChromaDB)
|
||||
|
||||
---
|
||||
|
||||
## ✨ 架构设计
|
||||
|
||||
### 🎯 双模记忆系统
|
||||
|
||||
ReMe.ai整合两种互补的记忆能力：
|
||||
|
||||
#### 🧠 **任务经验 (Task Memory/Experience)**
|
||||
跨智能体复用的程序性知识
|
||||
- **成功模式识别**：识别有效策略并理解其根本原理
|
||||
- **失败分析学习**：从错误中学习，避免重复同样的问题
|
||||
- **规划策略**：不同问题类型的规划策略
|
||||
- **工具使用模式**：经过验证的有效工具使用方法
|
||||
- **标准操作流程**：经过验证的方法论和流程
|
||||
|
||||
你可以从[快速开始指南](./doc/task_memory_readme.md)了解更多如何使用task memory的方法
|
||||
|
||||
#### 👤 **个人记忆 (personal memory)**
|
||||
特定用户的情境化记忆
|
||||
- **个体偏好**：用户的习惯、偏好和交互风格
|
||||
- **情境适应**：基于时间和上下文的智能记忆管理
|
||||
- **渐进学习**：通过长期交互逐步建立深度理解
|
||||
- **时间感知**：检索和整合时都具备时间敏感性
|
||||
|
||||
- 你可以从[快速开始指南](./doc/personal_memory_readme.md)了解更多如何使用personal memory的方法
|
||||
|
||||
|
||||
---
|
||||
|
||||
## 🛠️ 安装
|
||||
|
||||
### 从PyPI安装（推荐）
|
||||
```bash
|
||||
pip install reme-ai
|
||||
```
|
||||
|
||||
### 从源码安装
|
||||
```bash
|
||||
git clone https://github.com/modelscope/ReMe.ai.git
|
||||
cd ReMe.ai
|
||||
pip install .
|
||||
```
|
||||
|
||||
### 环境配置
|
||||
创建`.env`文件：
|
||||
```bash
|
||||
# 必需：LLM API配置
|
||||
LLM_API_KEY="sk-xxx"
|
||||
LLM_BASE_URL="https://xxx.com/v1"
|
||||
|
||||
# 必需：嵌入模型配置
|
||||
EMBEDDING_MODEL_API_KEY="sk-xxx"
|
||||
EMBEDDING_MODEL_BASE_URL="https://xxx.com/v1"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🚀 快速开始
|
||||
|
||||
### HTTP服务启动
|
||||
```bash
|
||||
reme \
|
||||
backend=http \
|
||||
http.port=8001 \
|
||||
llm.default.model_name=qwen3-30b-a3b-thinking-2507 \
|
||||
embedding_model.default.model_name=text-embedding-v4 \
|
||||
vector_store.default.backend=local
|
||||
```
|
||||
|
||||
### MCP服务器支持
|
||||
```bash
|
||||
reme \
|
||||
backend=mcp \
|
||||
mcp.transport=stdio \
|
||||
llm.default.model_name=qwen3-30b-a3b-thinking-2507 \
|
||||
embedding_model.default.model_name=text-embedding-v4 \
|
||||
vector_store.default.backend=local
|
||||
```
|
||||
|
||||
### 核心API使用
|
||||
|
||||
#### 任务经验管理
|
||||
```python
|
||||
import requests
|
||||
|
||||
# 经验总结器：从执行轨迹学习
|
||||
response = requests.post("http://localhost:8002/summary_task_memory", json={
|
||||
"workspace_id": "task_workspace",
|
||||
"trajectories": [
|
||||
{"messages": [{"role": "user", "content": "帮我制定项目计划"}], "score": 1.0}
|
||||
]
|
||||
})
|
||||
|
||||
# 经验检索器：获取相关经验
|
||||
response = requests.post("http://localhost:8002/retrieve_task_memory", json={
|
||||
"workspace_id": "task_workspace",
|
||||
"query": "如何高效管理项目进度？",
|
||||
"top_k": 1
|
||||
})
|
||||
```
|
||||
|
||||
#### 个人记忆管理
|
||||
```python
|
||||
# 记忆整合：从用户交互中学习
|
||||
response = requests.post("http://localhost:8002/summary_personal_memory", json={
|
||||
"workspace_id": "task_workspace",
|
||||
"trajectories": [
|
||||
{"messages":
|
||||
[
|
||||
{"role": "user", "content": "我喜欢早上喝咖啡工作"},
|
||||
{"role": "assistant", "content": "了解，您习惯早上用咖啡提神来开始工作"}
|
||||
]
|
||||
}
|
||||
]
|
||||
})
|
||||
|
||||
# 记忆检索：获取个人记忆片段
|
||||
response = requests.post("http://localhost:8002/retrieve_personal_memory", json={
|
||||
"workspace_id": "task_workspace",
|
||||
"query": "用户的工作习惯是什么？",
|
||||
"top_k": 5
|
||||
})
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🧪 实验结果
|
||||
|
||||
### Appworld基准测试
|
||||
使用qwen3-8b在Appworld上的测试结果：
|
||||
|
||||
| 方法 | pass@1 | pass@2 | pass@4 |
|
||||
|----------------------------|-----------|-------------|-----------|
|
||||
| 无记忆（基线） | 0.083 | 0.140 | 0.228 |
|
||||
| **使用任务经验** | **0.109** | **0.175** | **0.281** |
|
||||
|
||||
详见：[quickstart.md](cookbook/appworld/quickstart.md)
|
||||
|
||||
### FrozenLake实验
|
||||
使用qwen3-8b在100个随机FrozenLake地图上测试：
|
||||
|
||||
| 方法 | 通过率 |
|
||||
|---------------------------|-----------------|
|
||||
| 无记忆（基线） | 0.66 |
|
||||
| **使用任务经验** | 0.72 **(+9.1%)** |
|
||||
|
||||
| 无经验 | 有经验 |
|
||||
|:----------------------------------------------------------:|:---------------------------------------:|
|
||||
| <p align="center"><img src="doc/figure/frozenlake_failure.gif" alt="失败案例" width="30%"></p> | <p align="center"><img src="doc/figure/frozenlake_success.gif" alt="成功案例" width="30%"></p>
|
||||
|
||||
详见：[quickstart.md](cookbook/frozenlake/quickstart.md)
|
||||
|
||||
---
|
||||
|
||||
## 📦 即用型经验库
|
||||
|
||||
ReMe.ai提供预构建的经验库，智能体可以立即使用经过验证的最佳实践：
|
||||
|
||||
### 可用经验库
|
||||
- **`appworld_v1.jsonl`**：Appworld智能体交互的记忆库，涵盖复杂任务规划和执行模式
|
||||
- **`bfcl_v1.jsonl`**：BFCL工具调用的工作记忆库
|
||||
|
||||
### 快速使用
|
||||
```python
|
||||
# 加载预构建经验
|
||||
response = requests.post("http://localhost:8002/vector_store", json={
|
||||
"workspace_id": "appworld_v1",
|
||||
"action": "load",
|
||||
"path": "./library/"
|
||||
})
|
||||
|
||||
# 查询相关经验
|
||||
response = requests.post("http://localhost:8002/retrieve_task_memory", json={
|
||||
"workspace_id": "appworld_v1",
|
||||
"query": "如何导航到设置并更新用户资料？",
|
||||
"top_k": 1
|
||||
})
|
||||
```
|
||||
|
||||
## 📚 相关资源
|
||||
|
||||
- **[快速开始](./cookbook/simple_demo/quick_start.md)**：通过实际示例快速上手
|
||||
- **[向量存储设置](./doc/vector_store_setup.md)**：生产部署指南
|
||||
- **[配置指南](./doc/configuration_guide.md)**：详细配置参考
|
||||
- **[操作文档](./doc/operations_documentation.md)**：操作配置说明
|
||||
- **[示例集合](./cookbook)**：实际用例和最佳实践
|
||||
|
||||
---
|
||||
|
||||
## 🤝 贡献
|
||||
|
||||
我们相信最好的记忆系统来自集体智慧。欢迎贡献：
|
||||
|
||||
### 代码贡献
|
||||
- 新操作和工具开发
|
||||
- 后端实现和优化
|
||||
- API增强和新端点
|
||||
|
||||
### 文档改进
|
||||
- 使用示例和教程
|
||||
- 最佳实践指南
|
||||
- 翻译和本地化
|
||||
|
||||
---
|
||||
|
||||
## 📄 引用
|
||||
|
||||
```bibtex
|
||||
@software{ReMe2025,
|
||||
title = {ReMe.ai: Memory-Driven AI Agent Framework},
|
||||
author = {The ReMe.ai Team},
|
||||
url = {https://github.com/modelscope/ReMe.ai},
|
||||
year = {2025}
|
||||
}
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ⚖️ 许可证
|
||||
|
||||
本项目采用Apache License 2.0许可证 - 详情请参阅[LICENSE](./LICENSE)文件。
|
||||
|
||||
---
|
||||
Loading…
Add table
Reference in a new issue