mem0的memory管理方式

提取阶段

建立适当上下文以进行记忆提取，系统采用两种互补的来源：
1） 从数据库检索到的对话摘要S，概括整个对话历史的语义内容，以及来自对话历史的一系列近期消息。
\({m_{t-m}, m_{t-m+1},..., m_{t-2}}\)
其中，m用于控制数量。
2） 实现了一个异步摘要生成模块，周期性刷新
上述两种信息结合，得到全面提示P，作为提取函数\(\phi\)的输入，\(\phi(P)）\)则可以抽取出一系列重要的memory Ω，P和Ω的定义为：
\(P=(S, {m_{t-m}, m_{t-m+1},..., m_{t-2}}, m_{t-1}, m_t)\)
\(Ω = {w_1, w_2, ..., w_n}\)

更新阶段

将候选事实与现有记忆进行对比，保持一致性避免冗余。确定对每个提取的事实应执行的管理操作。
对于每个事实，限量相似检索前s个语义相似的记忆，使用LLM决定4种操作：
1） 无等效记忆，ADD；
2） 补充增强现有记忆， UPDATE；
3） 新信息反驳旧记忆， DELETE；
4） 不需要任何修改， NOOP。

\(mem0^8\)

根据对话历史生成知识图谱，检索在知识图谱是否有冲突（使用LLM），并更新知识图谱。图谱中的节点包括：实体类型分类、嵌入向量及时间相关的元数据。图谱补全（KGC）使用pipeline的方式，先识别实体，再生成关系，对于新三元组，计算源实体和目标实体的Embedding，搜索相似度高于“t”的现有结点，根据存在情况创建结点。