autogen_ext.experimental.task_centric_memory#

class MemoryController(reset: bool, client: ChatCompletionClient, task_assignment_callback: Callable[[str], Awaitable[元组[str, str]]] | 无 = None, config: MemoryControllerConfig | 无 = None, logger: PageLogger | 无 = None)[源代码]#

基础: object

（实验性，研究进行中）

实现快速的基于内存的学习，并管理信息的流入和流出内存库。

Parameters:

reset – 如果为True，在开始前清空内存库。
client – 内部使用的模型客户端。
task_assignment_callback – 一个可选的回调函数，用于将任务分配给由调用者管理的任何代理。
config –
可选的一个字典，可以用来覆盖以下值：
- max_train_trials: 在任务训练时尝试的最大学习迭代次数。
- max_test_trials: 在任务测试失败时的总尝试次数。
- MemoryBank: 传递给 MemoryBank 的配置字典。
logger – 一个可选的日志记录器。如果为None，将创建一个默认的日志记录器。

示例

首先需要安装 task-centric-memory 额外组件：

pip install "autogen-ext[task-centric-memory]"

以下代码片段展示了如何使用该类进行最基本的记忆存储和检索：

import asyncio
from autogen_ext.models.openai import OpenAIChatCompletionClient
from autogen_ext.experimental.task_centric_memory import MemoryController
from autogen_ext.experimental.task_centric_memory.utils import PageLogger


async def main() -> None:
    client = OpenAIChatCompletionClient(model="gpt-4o")
    logger = PageLogger(config={"level": "DEBUG", "path": "./pagelogs/quickstart"})  # Optional, but very useful.
    memory_controller = MemoryController(reset=True, client=client, logger=logger)

    # Add a few task-insight pairs as memories, where an insight can be any string that may help solve the task.
    await memory_controller.add_memo(task="What color do I like?", insight="Deep blue is my favorite color")
    await memory_controller.add_memo(task="What's another color I like?", insight="I really like cyan")
    await memory_controller.add_memo(task="What's my favorite food?", insight="Halibut is my favorite")

    # Retrieve memories for a new task that's related to only two of the stored memories.
    memos = await memory_controller.retrieve_relevant_memos(task="What colors do I like most?")
    print("{} memories retrieved".format(len(memos)))
    for memo in memos:
        print("- " + memo.insight)


asyncio.run(main())

async add_memo(insight: str, task: 无 | str = None, index_on_both: bool = True) → 无[源代码]#: 向记忆库中添加一个见解，使用任务（如果提供）作为上下文。

async add_task_solution_pair_to_memory(task: str, solution: str) → 无[源代码]#: 将任务-解决方案对添加到记忆库中，以便以后作为一个组合的见解一起检索。这在任务-解决方案对是解决与某些其他任务相关任务的范例时非常有用。

async assign_task(task: str, use_memory: bool = True, should_await: bool = True) → str[源代码]#: 通过task_assignment_callback将任务分配给某个代理，并附上任何相关的记忆。

async consider_memo_storage(text: str) → str | 无[源代码]#: 尝试从给定的文本中提取任何建议并将其添加到内存中。

async handle_user_message(text: str, should_await: bool = True) → str[源代码]#: 通过提取任何建议作为存储在内存中的洞察来处理用户消息，然后调用assign_task().

reset_memory() → 无[源代码]#: 清空内存和磁盘中的存储器。

async retrieve_relevant_memos(task: str) → 列表[Memo][源代码]#: 从内存中检索与任务相关的任何备忘录。

async test_on_task(task: str, expected_answer: str, num_trials: int = 1) → 元组[str, int, int][源代码]#: 将任务分配给代理，并附带从内存中检索到的任何相关备忘录。

async train_on_task(task: str, expected_answer: str) → 无[源代码]#: 重复地将任务分配给代理，并试图通过创建有用的见解作为记忆从失败中学习。