Construir memória de agente portátil em único arquivo com Memvid

O que Construir memória de agente portátil em único arquivo com Memvid faz?

Use o Memvid quando um agente precisar de memória e recuperação local de longo prazo portátil, sem executar um banco de dados vetorial ou serviço RAG completo.

Pré-requisitos

CLI ou SDK do Memvid; arquivos opcionais de modelo de embedding local para busca vetorial local

Instalação

Use o caminho de instalação ou configuração upstream que corresponda ao seu ambiente:

• git clone https://github.com/memvid/memvid.git
• cargo build
• cargo build --release
• cargo build --release --features "lex,vec,temporal_track"

Requisitos e observações do upstream:

• | Node.js SDK | npm install @memvid/sdk | |
• | Python SDK | pip install memvid-sdk | |
• Busca por imagem usando embeddings CLIP (requer recurso clip):

Notas de uso básico ou início rápido:

• MEMVID_WHISPER_MODEL=whisper-tiny-en-q8k cargo run --example test_whisper --features whisper -- audio.mp3

• Baixe o modelo BGE-small padrão (384 dimensões, rápido e eficiente):

• Fonte: https://github.com/memvid/memvid

• Extraído da documentação upstream: https://raw.githubusercontent.com/memvid/memvid/HEAD/README.md

Documentação

• https://docs.memvid.com

Fonte

• Agent Skill Exchange