AI Infra：MemoRizz，能构建不同 Agent 角色长期记忆的 Python 实验库

一、项目简介：MemoRizz 是什么？

MemoRizz 是一个用于构建具有“记忆能力”的 AI 智能体（Agent）的 Python 实验库，旨在帮助开发者探索 上下文记忆、语义搜索、角色设定与工具调用 等智能体关键能力。它主要用于学习和研究，不推荐用于生产环境或敏感数据处理。

二、核心功能

2.1. 多类型记忆管理

支持不同类型的记忆模块，例如：

• 对话记忆（Conversation Memory）
• 长期记忆（Long-Term Memory）
• 工作流记忆（Workflow Memory）

2.2. 语义搜索与向量记忆

• 使用 OpenAI 的嵌入模型将信息向量化
• 支持基于 MongoDB Atlas Vector Search 或 PostgreSQL + pgvector 的记忆检索

2.3. 智能体架构（MemAgent）

整合：

• 语言模型（如 GPT-4）
• 记忆后端
• 工具箱（调用函数）
• 角色设定（Persona）

2.4. 角色系统（Persona）

可以给每个 Agent 定义名字、身份、目标、背景，形成更连贯的交互风格。

2.5. 工具注册机制（Toolbox）

允许开发者用装饰器 @toolbox 注册函数，智能体可以语义理解并调用工具函数。

三、使用示例

3.1 创建一个具备记忆的智能体：

from memorizz.memagent import MemAgent
from memorizz.memory_provider.mongodb.provider import MongoDBConfig, MongoDBProvider
from memorizz.llms.openai import OpenAI

memory = MongoDBProvider(MongoDBConfig(uri="你的MongoDB连接串"))

agent = MemAgent(
    model=OpenAI(model="gpt-4"),
    instruction="你是一个有帮助的助手。",
    memory_provider=memory
)

agent.run("你好，我是John，一名软件工程师。")
agent.run("我之前告诉你了什么？")

→ 第二句中，Agent 可以记住 John 的身份。

3.2 添加角色和工具：

from memorizz.persona import Persona
agent.set_persona(Persona(
    name="TechExpert",
    role="技术专家",
    goals="帮助用户解决技术问题",
    background="多年软件开发经验"
))

from memorizz.toolbox import toolbox

@toolbox
def add(a: int, b: int) -> int:
    return a + b

agent.add_tool(toolbox)

→ Agent 不仅有角色个性，还能通过自然语言触发 add 工具。

四、支持的存储后端

• MongoDB Atlas + Vector Search（云端推荐）
• PostgreSQL + pgvector（本地开发友好）

五、项目结构与学习资源

• 📁 examples/ 文件夹：包含多个 Jupyter Notebook 示例

  • 多智能体交互
  • 工具调用
  • 长期记忆演示
  • Persona 构建
  • 向量检索
  • 工作流记忆支持

六、延伸资源：作者演讲

🎙️ Richmond Alake 的 MongoDB 大会演讲：构建具备记忆的智能体

深入讲解了智能体记忆的架构原则与设计模式，非常推荐观看！

七、适合谁用？

• 想构建具备长期记忆能力的 AI Agent
• 对语义搜索、Persona 角色设定、Agent 工具链感兴趣的研究者或开发者
• 有意探索**下一代 AI 助手架构（如 RAG + Agent）**的团队或个人

总结

标签：infra, Ai