Memary - memoria a largo plazo para agentes de automatización

• Actualmente, los agentes usan LLM limitados por una ventana de contexto fija
• Memary supera estas limitaciones al permitir que los agentes almacenen grandes volúmenes de información en un grafo de conocimiento, razonen sobre el conocimiento del usuario mediante un módulo de memoria y recuperen solo la información relevante para generar respuestas significativas
• Funciones disponibles
  • Agente de enrutamiento: usa un agente ReAct para enrutar consultas que se ejecutarán en varias herramientas
  • Creación y búsqueda de grafo de conocimiento: usa Neo4j para crear un grafo de conocimiento que almacena las respuestas del agente para poder recuperarlas después
  • Flujo de memoria: usa extracción de entidades para rastrear todas las entidades almacenadas en el grafo de conocimiento. Este flujo refleja el conocimiento amplio del usuario
  • Almacén de conocimiento de entidades: agrupa y ordena todas las entidades del flujo de memoria, y pasa las N entidades principales a la ventana de contexto. Este almacén de conocimiento refleja la profundidad del conocimiento del usuario

[xguru]

Parece que el principal contribuidor es coreano ;)