Memary - mémoire à long terme pour les agents d'automatisation

• Les agents actuels utilisent des LLM limités par une fenêtre de contexte fixe
• Memary surmonte cette limite en permettant aux agents de stocker de grandes quantités d’informations dans un graphe de connaissances, d’inférer les connaissances de l’utilisateur via un module de mémoire et de ne récupérer que les informations pertinentes pour produire des réponses significatives
• Fonctionnalités proposées
  • Agent de routage : utilise un agent ReAct pour router les requêtes à exécuter vers plusieurs outils
  • Création et recherche dans le graphe de connaissances : utilise Neo4j pour créer un graphe de connaissances qui stocke les réponses de l’agent afin de pouvoir les retrouver plus tard
  • Flux de mémoire : utilise l’extraction d’entités pour suivre toutes les entités stockées dans le graphe de connaissances. Ce flux reflète l’étendue des connaissances de l’utilisateur
  • Base de connaissances des entités : regroupe et ordonne toutes les entités du flux de mémoire afin de transmettre les N principales entités à la fenêtre de contexte. Cette base de connaissances reflète la profondeur des connaissances de l’utilisateur

[xguru]

Le principal contributeur est coréen, apparemment ;)