Memvidによるポータブルな単一ファイルエージェントメモリの構築 は何をしますか?
ベクターデータベースや完全なRAGサービスを実行せずに、エージェントがローカルでポータブルな長期メモリと検索を必要とする場合にMemvidを使用します。
前提条件
Memvid CLIまたはSDK、オプションでローカルベクトル検索用のローカル埋め込みモデルファイル
インストール
お使いの環境に合わせたアップストリームのインストールまたはセットアップパスを使用してください。
- git clone https://github.com/memvid/memvid.git
- cargo build
- cargo build --release
- cargo build --release --features "lex,vec,temporal_track"
アップストリームからの要件と注意事項:
- | Node.js SDK | npm install @memvid/sdk |
|
- | Python SDK | pip install memvid-sdk |
|
- CLIP埋め込みを使用した画像検索(clip機能が必要):
基本的な使用法または開始手順:
-
MEMVID_WHISPER_MODEL=whisper-tiny-en-q8k cargo run --example test_whisper --features whisper -- audio.mp3
-
デフォルトのBGE-smallモデルをダウンロード(384次元、高速で効率的):
-
アップストリームドキュメントから抽出: https://raw.githubusercontent.com/memvid/memvid/HEAD/README.md