譯者 | 劉濤

審校 | 重樓

在 2025 年當(dāng)下，大語(yǔ)言模型（LLM）依舊無法獲取用戶的私有數(shù)據(jù)。當(dāng)用戶向其詢問某些與個(gè)人相關(guān)的問題時(shí)，大語(yǔ)言模型要么憑借推測(cè)進(jìn)行回應(yīng)，要么給出錯(cuò)誤的解答。這體現(xiàn)了大語(yǔ)言模型存在的固有局限性——它們僅基于公開信息進(jìn)行訓(xùn)練，無法獲取用戶的私有上下文信息。

內(nèi)存代理（Memory Agent）則通過實(shí)時(shí)且安全地將用戶的私有數(shù)據(jù)與任意大語(yǔ)言模型進(jìn)行鏈接，有效解決了上述問題。在本教程中，筆者將詳細(xì)指導(dǎo)你如何借助Langbase（一個(gè)流行的開發(fā)工具平臺(tái)，它提供了一套用于構(gòu)建 AI 應(yīng)用的工具和基礎(chǔ)設(shè)施）內(nèi)存代理，把大語(yǔ)言模型轉(zhuǎn)變?yōu)橐粋€(gè)能夠與你的個(gè)人文檔進(jìn)行交互對(duì)話的人工智能。

目錄

1. 內(nèi)存代理是什么？

2. 使用內(nèi)存代理保護(hù)你的數(shù)據(jù)

3. 內(nèi)存代理的應(yīng)用場(chǎng)景

4. 前提條件

5. 步驟 1：創(chuàng)建一個(gè)目錄并初始化npm

6. 步驟 2：創(chuàng)建一個(gè)管道代理

7. 步驟 3：添加一個(gè).env文件

8. 步驟 4：創(chuàng)建一個(gè)內(nèi)存代理

9. 步驟 5：將文檔添加到內(nèi)存代理

10. 步驟 6：生成內(nèi)存嵌入

• 內(nèi)存嵌入是什么？
• 為什么需要內(nèi)存嵌入？
• 如何生成嵌入？

11. 步驟 7：在管道代理（Pipe Agent）中集成內(nèi)存

12. 步驟 8：在Node.js中集成內(nèi)存代理

13. 步驟 9：?jiǎn)?dòng)BaseAI服務(wù)器

14. 步驟 10：運(yùn)行內(nèi)存代理

15. 結(jié)果

內(nèi)存代理是什么？

內(nèi)存代理是使人機(jī)交互變得有意義的關(guān)鍵，它是系統(tǒng)存儲(chǔ)和檢索先前信息的機(jī)制，是構(gòu)建真正智能AI代理的核心要素。

實(shí)際上，盡管大型語(yǔ)言模型（LLM）看似人性化，但從設(shè)計(jì)本質(zhì)上講，其內(nèi)部并未內(nèi)置的存儲(chǔ)機(jī)制，在設(shè)計(jì)架構(gòu)上屬于無狀態(tài)模式。鑒于現(xiàn)實(shí)世界中的任務(wù)往往具有復(fù)雜性與多樣性，若要讓大語(yǔ)言模型在這些實(shí)際任務(wù)中發(fā)揮有效作用，為其增添存儲(chǔ)能力就顯得尤為必要。而內(nèi)存代理恰恰在這一需求場(chǎng)景中發(fā)揮關(guān)鍵作用。

Langbase內(nèi)存代理作為一種長(zhǎng)期存儲(chǔ)解決方案，其核心設(shè)計(jì)目標(biāo)就在于實(shí)現(xiàn)信息獲取、處理、保留以及檢索各個(gè)環(huán)節(jié)之間的無縫銜接。借助該內(nèi)存代理，可以動(dòng)態(tài)地為任意大語(yǔ)言模型添加私有數(shù)據(jù)，這不僅使得大語(yǔ)言模型在交互過程中能夠?qū)崿F(xiàn)實(shí)時(shí)的上下文感知響應(yīng)，還能顯著減少“幻覺生成（指的是大語(yǔ)言模型生成的與當(dāng)前上下文不相符或錯(cuò)誤的信息）”現(xiàn)象。

這些內(nèi)存代理通過整合向量存儲(chǔ)、檢索增強(qiáng)生成（RAG）以及互聯(lián)網(wǎng)訪問功能，構(gòu)建了一個(gè)功能強(qiáng)大的托管上下文搜索API。借助這一API，開發(fā)人員能夠開發(fā)出更加智能、功能更為強(qiáng)大的人工智能應(yīng)用程序。

在檢索增強(qiáng)生成（RAG）的架構(gòu)體系中，當(dāng)內(nèi)存與Langbase管道代理（Pipe Agent：是Langbase框架中的一個(gè)核心概念，它本質(zhì)上是一個(gè)數(shù)據(jù)處理和流轉(zhuǎn)的管道代理）實(shí)現(xiàn)直接連接時(shí)，便形成了一個(gè)完整意義上的內(nèi)存代理。這種組合方式賦予了大語(yǔ)言模型獲取相關(guān)數(shù)據(jù)的能力，并使其能夠基于這些私有數(shù)據(jù)提供精確且上下文貼合的回答，從而有效克服了大語(yǔ)言模型在處理私有數(shù)據(jù)時(shí)面臨的諸多局限性。

需要注意的是，管道是一種無服務(wù)器的AI代理，它集成了代理內(nèi)存和工具。

以下將以圖示的方式，對(duì)整個(gè)過程進(jìn)行直觀展示：

使用內(nèi)存代理保護(hù)你的數(shù)據(jù)

內(nèi)存代理高度重視數(shù)據(jù)安全，通過將私密信息進(jìn)行隔離，并在本地環(huán)境或安全的環(huán)境中進(jìn)行處理，以此作為保障數(shù)據(jù)安全的首要舉措。具體而言，用于創(chuàng)建內(nèi)存嵌入的數(shù)據(jù)，在未進(jìn)行明確配置的情況下，不會(huì)被發(fā)送至外部服務(wù)器，這種嚴(yán)格的設(shè)定從源頭上確保了敏感信息能夠得到妥善保護(hù)。

除此之外，內(nèi)存系統(tǒng)的訪問權(quán)限通過 API 密鑰和相關(guān)權(quán)限設(shè)置進(jìn)行嚴(yán)格管控。只有經(jīng)過授權(quán)的操作才能訪問內(nèi)存系統(tǒng)，這一措施有效防止了未經(jīng)授權(quán)的訪問行為發(fā)生。如此一來，這種精心設(shè)計(jì)的安全設(shè)置，不僅能夠顯著增強(qiáng)人工智能（AI）能力，更通過全方位保護(hù)用戶數(shù)據(jù)，切實(shí)維護(hù)了用戶對(duì)系統(tǒng)的信任。

內(nèi)存代理的應(yīng)用場(chǎng)景

以下為這些內(nèi)存代理在實(shí)際中的具體應(yīng)用領(lǐng)域：

• 客戶支持：內(nèi)存代理能夠回調(diào)交互歷史記錄，以此為基礎(chǔ)提供個(gè)性化且具備上下文感知能力的支持服務(wù)。
• 文檔搜索：在處理大型數(shù)據(jù)集、手冊(cè)或者常見問題解答文檔時(shí)，內(nèi)存代理可實(shí)現(xiàn)快速且語(yǔ)義化的搜索功能。
• 代碼輔助：針對(duì)開發(fā)人員，內(nèi)存代理可以提供與項(xiàng)目特定相關(guān)的文檔資料，并基于項(xiàng)目歷史和代碼邏輯給出調(diào)試建議，助力開發(fā)者更高效地完成開發(fā)工作。
• 知識(shí)管理：內(nèi)存代理有助于將團(tuán)隊(duì)內(nèi)部信息進(jìn)行高效集中存儲(chǔ)，并實(shí)現(xiàn)便捷的檢索功能。團(tuán)隊(duì)成員能夠快速獲取所需信息，提升團(tuán)隊(duì)整體的知識(shí)流轉(zhuǎn)和工作效率。
• 教育與培訓(xùn)：在教育與培訓(xùn)場(chǎng)景中，內(nèi)存代理可以為學(xué)生或員工提供定制化的培訓(xùn)材料，通過跟蹤學(xué)習(xí)進(jìn)度，基于存儲(chǔ)的知識(shí)庫(kù)回答學(xué)習(xí)者提出的問題。
• 醫(yī)療保?。?/strong>在醫(yī)療領(lǐng)域，內(nèi)存代理可安全地檢索患者記錄或病史信息，為醫(yī)護(hù)人員提供準(zhǔn)確的數(shù)據(jù)支持，輔助他們做出更精準(zhǔn)的醫(yī)療決策。
• 協(xié)調(diào)工作流程：內(nèi)存代理能夠追蹤項(xiàng)目歷史記錄并結(jié)合各類工具來實(shí)現(xiàn)團(tuán)隊(duì)成員之間的協(xié)調(diào)與溝通，確保項(xiàng)目順利推進(jìn)。
• 法律合規(guī)：在法律事務(wù)和合規(guī)管理方面，內(nèi)存代理可以幫助相關(guān)人員快速參考法律指南和合規(guī)標(biāo)準(zhǔn)，確保決策過程準(zhǔn)確無誤且完全符合法律規(guī)定要求。

上述由內(nèi)存代理所賦能的眾多應(yīng)用場(chǎng)景，正不斷開拓新的可能性，并且逐步改變著人工通用智能（AGI）的發(fā)展格局與能力邊界。

前提條件

在著手創(chuàng)建能夠與文檔進(jìn)行交互的內(nèi)存代理之前，你需要完成以下設(shè)置并準(zhǔn)備相應(yīng)工具。

本教程將采用以下技術(shù)棧：

• BaseAI：一款用于在本地構(gòu)建AI代理的Web框架。
• Langbase：一個(gè)專門用于構(gòu)建和部署無服務(wù)器AI代理的平臺(tái)。
• OpenAI：通過該平臺(tái)獲取首選模型所需的 LLM 密鑰。

此外，你還需完成以下操作：

• 在Langbase平臺(tái)上完成注冊(cè)，以便獲取API密鑰。
• 在OpenAI平臺(tái)上進(jìn)行注冊(cè)，從而生成所需模型（本演示使用的是 GPT - 4o mini）的 LLM 密鑰 。

當(dāng)上述準(zhǔn)備工作全部完成后，我們即可正式開啟后續(xù)操作！  

步驟 1：創(chuàng)建一個(gè)目錄并初始化npm

若要著手創(chuàng)建一個(gè)能夠與你的文檔實(shí)現(xiàn)交互的內(nèi)存代理，首先需要在本地計(jì)算機(jī)中創(chuàng)建一個(gè)專門的目錄，并在該目錄下安裝所有與之相關(guān)的開發(fā)依賴項(xiàng)。具體操作方法為：導(dǎo)航至目標(biāo)目錄，然后在終端中運(yùn)行相應(yīng)命令，以此完成相關(guān)設(shè)置：

mkdir my-project
npm init -y
npm install dotenv

此命令會(huì)在你的項(xiàng)目目錄下創(chuàng)建一個(gè)具有默認(rèn)值的package.json文件。與此同時(shí)，該命令還會(huì)執(zhí)行dotenv包的安裝操作。安裝dotenv包的目的在于，使項(xiàng)目能夠從.env文件中順利讀取環(huán)境變量，從而為項(xiàng)目的運(yùn)行提供必要的配置支持。  

步驟 2：創(chuàng)建一個(gè)管道代理

接下來，我們著手創(chuàng)建一個(gè)管道代理。管道代理在特性上區(qū)別于其他代理，它屬于無服務(wù)器AI代理，并且配備了代理工具，具備與任意語(yǔ)言或框架協(xié)同運(yùn)作的能力。管道代理的部署過程較為簡(jiǎn)便，僅需借助一個(gè)API，就能將 100 多個(gè)大型語(yǔ)言模型與任何數(shù)據(jù)相連接，進(jìn)而助力開發(fā)人員構(gòu)建各類API工作流程。

若要?jiǎng)?chuàng)建你的AI代理管道，請(qǐng)先進(jìn)入項(xiàng)目目錄，然后運(yùn)行以下命令：

npx baseai@latest pipe

在運(yùn)行該命令后，你將會(huì)看到如下提示：

BaseAI is not installed but required to run. Would you like to install it? Yes/No
Name of the pipe?  pipe-with-memory
Description of the pipe? Pipe attached to a memory
Status of the pipe? Public/Private
System prompt? You are a helpful AI assistant

當(dāng)你完成 AI 管道代理的名稱、描述以及狀態(tài)設(shè)置后，系統(tǒng)會(huì)自動(dòng)完成所有相關(guān)配置，你的管道代理將成功創(chuàng)建在 /baseai/pipes/pipe-with-memory.ts 路徑下。

步驟 3：添加一個(gè).env文件

完成上述操作后，需在項(xiàng)目根目錄中創(chuàng)建一個(gè).env 文件，并在其中添加OpenAI和Langbase的 API 密鑰。你可從指定位置獲取你的Langbase API密鑰 。

步驟 4：創(chuàng)建一個(gè)內(nèi)存代理

接下來，我們要?jiǎng)?chuàng)建一個(gè)內(nèi)存，并將其附加到管道（Pipe）中，以此讓它轉(zhuǎn)變?yōu)閮?nèi)存代理。要達(dá)成這一目標(biāo)，請(qǐng)?jiān)诮K端中運(yùn)行以下命令：  

npx baseai@latest memory

運(yùn)行此命令后，將會(huì)得到以下提示：

Name of the memory?  chat-with-docs-agent
Description of the pipe? FAQs docs
Do you want to create memory from the current project git repository? Yes/No

執(zhí)行上述操作之后，系統(tǒng)會(huì)自動(dòng)完成所有相關(guān)設(shè)置。你便能夠訪問成功創(chuàng)建在 /baseai/memory/chat-with-docs-agent.ts 路徑下的內(nèi)存。

步驟 5：將文檔添加到內(nèi)存代理

在 /baseai/memory/chat-with-docs-agent.ts 路徑下，你會(huì)看到一個(gè)名為 documents 的文件夾。此文件夾專門用于存儲(chǔ)期望 AI 代理能夠訪問的文件。在本次演示過程中，我先將管道（Pipe）的常見問題頁(yè)面另存為.pdf 或.txt 格式的文件。隨后，把該文件轉(zhuǎn)換為markdown格式，并將轉(zhuǎn)換后的文件放置在 baseai/memory/chat-with-docs/documents 目錄中。  

執(zhí)行這一步驟，能夠切實(shí)保證內(nèi)存代理具備處理和檢索文檔信息的能力。如此一來，AI代理在面對(duì)用戶提出的查詢時(shí)，便能夠根據(jù)你所提供的文檔內(nèi)容做出準(zhǔn)確回答。  

步驟 6：生成內(nèi)存嵌入

目前，你已成功將文檔添加至內(nèi)存。接下來的關(guān)鍵步驟是生成內(nèi)存嵌入。不過在此之前，有必要先了解一下：嵌入究竟是什么，以及為什么它們對(duì)于整個(gè)系統(tǒng)而言是不可或缺的 ？ 

內(nèi)存嵌入是什么？

嵌入是文檔的一種數(shù)字表現(xiàn)形式。借助這種形式，人工智能能夠理解單詞、短語(yǔ)以及句子之間的上下文關(guān)聯(lián)和語(yǔ)義關(guān)系。我們不妨把嵌入看作是一種將文檔“翻譯”成人工智能能夠處理的“語(yǔ)言”的方式，以便實(shí)現(xiàn)語(yǔ)義搜索與檢索功能。  

為什么需要內(nèi)存嵌入？

若缺少嵌入這一關(guān)鍵環(huán)節(jié)，AI代理便無法將用戶提出的查詢與文檔中的相關(guān)內(nèi)容進(jìn)行有效匹配。而通過生成嵌入向量，實(shí)際上是在創(chuàng)建一個(gè)可供搜索的索引。這個(gè)索引對(duì)于內(nèi)存代理給出準(zhǔn)確且高效的響應(yīng)起著至關(guān)重要的支持作用。  

如何生成嵌入？

若要為你的文檔生成嵌入，請(qǐng)?jiān)诮K端中執(zhí)行以下命令：

npx baseai@latest embed -m chat-with-docs-agent

至此，你的內(nèi)存已準(zhǔn)備就緒，可以與管道（即內(nèi)存代理）進(jìn)行連接。連接完成后，你的 AI 代理便能從你提供的文檔中獲取精準(zhǔn)的、具備上下文感知能力的響應(yīng)。  

步驟 7：在管道代理（Pipe Agent）中集成內(nèi)存

接下來，你需要將此前創(chuàng)建的內(nèi)存附加到管道（Pipe）代理上，以此讓它成為一個(gè)內(nèi)存代理。要完成這一操作，請(qǐng)進(jìn)入 /baseai/pipes/pipe-with-memory.ts 文件。以下是該文件目前的內(nèi)容展示：

import { PipeI } from '@baseai/core';

const pipePipeWithMemory = (): PipeI => ({    apiKey: process.env.LANGBASE_API_KEY!, // Replace with your API key https://langbase.com/docs/api-reference/api-keys    name: 'pipe-with-memory',    description: 'Pipe attached to a memory',    status: 'public',    model: 'openai:gpt-4o-mini',    stream: true,    json: false,    store: true,    moderate: true,    top_p: 1,    max_tokens: 1000,    temperature: 0.7,    presence_penalty: 1,    frequency_penalty: 1,    stop: [],    tool_choice: 'auto',    parallel_tool_calls: false,    messages: [        { role: 'system', content: `You are a helpful AI assistant.` }],    variables: [],    memory: [],    tools: []});
export default pipePipeWithMemory;

現(xiàn)在，需將內(nèi)存集成到管道中。具體做法是在文件頂部導(dǎo)入內(nèi)存，并將其作為內(nèi)存數(shù)組中的函數(shù)進(jìn)行調(diào)用。以下是完成所有這些操作后代碼呈現(xiàn)的樣子：  

import { PipeI } from '@baseai/core';
import chatWithDocsAgentMemory from '../memory/chat-with-docs-agent';

const pipePipeWithMemory = (): PipeI => ({
    apiKey: process.env.LANGBASE_API_KEY!, // Replace with your API key https://langbase.com/docs/api-reference/api-keys
    name: 'pipe-with-memory',
    description: 'Pipe attached to a memory',
    status: 'public',
    model: 'openai:gpt-4o-mini',
    stream: true,
    json: false,
    store: true,
    moderate: true,
    top_p: 1,
    max_tokens: 1000,
    temperature: 0.7,
    presence_penalty: 1,
    frequency_penalty: 1,
    stop: [],
    tool_choice: 'auto',
    parallel_tool_calls: false,
    messages: [
        { role: 'system', content: `You are a helpful AI assistant.` }],
    variables: [],
    memory: [chatWithDocsAgentMemory()],
tools: []
});

export default pipePipeWithMemory;

步驟 8：在Node.js中集成內(nèi)存代理

接下來，我們要把之前創(chuàng)建的內(nèi)存代理集成到 Node.js 項(xiàng)目中，目的是為所關(guān)聯(lián)的文檔構(gòu)建一個(gè)交互式命令行界面（CLI）。這個(gè) Node.js 項(xiàng)目將充當(dāng)測(cè)試內(nèi)存代理以及與內(nèi)存代理進(jìn)行交互的基礎(chǔ)環(huán)境（在本教程開篇部分，我們已經(jīng)通過初始化npm完成了一個(gè) Node.js 項(xiàng)目的初步設(shè)置 ）。

現(xiàn)在，創(chuàng)建一個(gè) index.ts 文件：

touch index.ts

在這個(gè)TypeScript文件里，需要導(dǎo)入你此前創(chuàng)建的管道代理。后續(xù)我們會(huì)借助@baseai/core里的管道原語(yǔ)（pipe primitive：用于構(gòu)建和操作管道的基本元素）來運(yùn)行該管道。

將以下代碼添加到 index.ts 文件中：

import 'dotenv/config';import { Pipe } from '@baseai/core';import inquirer from 'inquirer';import ora from 'ora';import chalk from 'chalk';import pipePipeWithMemory from './baseai/pipes/pipe-with-memory';
const pipe = new Pipe(pipePipeWithMemory());
async function main() {
const initialSpinner = ora('Conversation with Memory agent...').start();   try {       const { completion: calculatorTool} = await pipe.run({           messages: [{ role: 'user', content: 'Hello' }],       });       initialSpinner.stop();       console.log(chalk.cyan('Report Generator Agent response...'));       console.log(calculatorTool);   } catch (error) {       initialSpinner.stop();       console.error(chalk.red('Error processing initial request:'), error);   }
while (true) {       const { userMsg } = await inquirer.prompt([           {               type: 'input',               name: 'userMsg',               message: chalk.blue('Enter your query (or type "exit" to quit):'),           },       ]);
if (userMsg.toLowerCase() === 'exit') {           console.log(chalk.green('Goodbye!'));           break;       }
const spinner = ora('Processing your request...').start();
try {           const { completion: reportAgentResponse } = await pipe.run({               messages: [{ role: 'user', content: userMsg }],           });
spinner.stop();           console.log(chalk.cyan('Agent:'));           console.log(reportAgentResponse);       } catch (error) {           spinner.stop();           console.error(chalk.red('Error processing your request:'), error);       }   }}
main();

這段代碼旨在創(chuàng)建一個(gè)交互式命令行界面（CLI），以便與 AI 代理進(jìn)行聊天互動(dòng)，它借助 @baseai/core 庫(kù)中的管道來處理用戶輸入。下面為你詳細(xì)介紹代碼的運(yùn)行邏輯及相關(guān)操作：

• 首先，代碼需要導(dǎo)入一些必要的庫(kù)。其中，dotenv 用于環(huán)境配置，inquirer 用于獲取用戶輸入，ora 用于加載微調(diào)器，而 chalk 則用于實(shí)現(xiàn)彩色輸出。在運(yùn)行代碼前，請(qǐng)務(wù)必在終端中使用以下命令安裝這些庫(kù)：npm install ora inquirer 。
• 接著，管道對(duì)象是基于 BaseAI 庫(kù)，利用一個(gè)名為 pipe-with-memory 的預(yù)定義內(nèi)存創(chuàng)建而成。

然后，在 main（） 函數(shù)內(nèi)部：

• 當(dāng)與 AI 代理的初始對(duì)話開始時(shí)，旋轉(zhuǎn)圖標(biāo)會(huì)隨即啟動(dòng)，并展示 “Hello” 這條消息。
• 之后，來自 AI 的響應(yīng)將會(huì)呈現(xiàn)出來。
• 程序會(huì)進(jìn)入循環(huán)運(yùn)行狀態(tài)，持續(xù)要求用戶輸入內(nèi)容，并將用戶的查詢發(fā)送給 AI 代理。
• 每次接收到 AI 的響應(yīng)后都會(huì)顯示出來，這一過程會(huì)不斷重復(fù)，直至用戶輸入 “exit” 為止。

步驟 9：?jiǎn)?dòng)BaseAI服務(wù)器

若要在本地運(yùn)行內(nèi)存代理，首先需要啟動(dòng) BaseAI 服務(wù)器。請(qǐng)?jiān)诮K端中運(yùn)行以下命令：  

npx baseai@latest dev

步驟 10：運(yùn)行內(nèi)存代理

使用以下命令運(yùn)行 index.ts 文件：

npx tsx index.ts

結(jié)果

在你的終端中，系統(tǒng)會(huì)提示“輸入你的查詢”。例如，我們不妨提問：“什么是 Langbase 上的管道？” 此時(shí)，內(nèi)存代理將會(huì)給出回應(yīng)，并且還會(huì)提供正確的來源或引用信息。

通過上述一系列設(shè)置，我們成功構(gòu)建了一個(gè)“Chat with Your Document”代理。該代理充分利用了大型語(yǔ)言模型（LLM）和 Langbase 內(nèi)存代理的強(qiáng)大功能，有效克服了 LLM 自身存在的局限性。它不僅能夠確保給出準(zhǔn)確的響應(yīng)，而且在處理私有數(shù)據(jù)時(shí)不會(huì)出現(xiàn)“幻覺”現(xiàn)象。

譯者介紹

劉濤，51CTO社區(qū)編輯，某大型央企系統(tǒng)上線檢測(cè)管控負(fù)責(zé)人。

原文標(biāo)題：How to Use Langbase Memory Agents to Make Any LLM a Conversational AI for Your Docs

作者：Maham Codes