TeleMem
TeleMem 是一个智能体记忆管理层,其标题为“构建面向智能体 AI 的长期与多模态记忆”。
核验日期
核心信息
以下信息由程序从官方接口读取,不经模型改写。
- 许可证
- Apache-2.0
- 语言
- Python
- 维护方
- TeleAI-UAGI
- 核验日期
它是什么
TeleMem 是一个智能体记忆管理层。项目的标题为“TeleMem: Building Long-Term and Multimodal Memory for Agentic AI”。TeleMem 提供由视频帧提取、图像描述(caption)生成和向量数据库构建组成的流水线。TeleMem 项目的最终目标是利用智能体的后见之明来提升其先见之明。
主要能力
自动记忆提取功能会从对话中提取并结构化关键事实。
语义聚类与去重功能使用大语言模型对相似记忆进行语义合并。
按角色建档的记忆管理为对话中的每个角色建立独立的记忆档案。
异步写入功能采用缓冲加批量刷新的机制来完成持久化。
语义检索结合了 FAISS 与 JSON 双重存储。
TeleMem 可以用自然语言查询视频内容,并支持 ReAct 风格的多步推理。
怎么上手
TeleMem 已发布在 PyPI 上。
若要使用仓库中本地的 Qwen 加 FAISS 配置,需要显式加载配置文件。
TeleMem 支持通过 OpenAI 兼容 API 把 MiniMax 作为 LLM 后端。
add 方法把一轮或多轮对话注入记忆系统。
pip install telemem # core (text memory)
pip install "telemem[mcp]" # + MCP server
pip install "telemem[video]" # + video/multimodal pipeline
pip install "telemem[all]" # everythinguv sync --all-extras # install TeleMem (editable) + all extras, incl. MCP
uv run python examples/quickstart.pyexport OPENAI_API_KEY="your-openai-api-key"# python examples/quickstart.py
import telemem as mem0
memory = mem0.Memory()
messages = [
{"role": "user", "content": "Jordan, did you take the subway to work again today?"},
{"role": "assistant", "content": "Yes, James. The subway is much faster than driving. I leave at 7 o'clock and it's just not crowded."},
{"role": "user", "content": "Jordan, I want to try taking the subway too. Can you tell me which station is closest?"},
{"role": "assistant", "content": "Of course, James. You take Line 2 to Civic Center Station, exit from Exit A, and walk 5 minutes to the company."}
]
memory.add(messages=messages, user_id="Jordan")
results = memory.search("What transportation did Jordan use to go to work today?", user_id="Jordan")
for hit in results["results"]: # same result shape as mem0
print(hit["memory"])from telemem.utils import load_config
import telemem as mem0
config = load_config("config/config.yaml")
memory = mem0.Memory(config=config)export MINIMAX_API_KEY="your-minimax-api-key"
export OPENAI_API_KEY="your-openai-api-key" # still needed for embeddings适合谁
TeleMem 适用于多角色虚拟智能体系统。TeleMem 也适用于视频内容问答与推理。Claude Desktop、Claude Code、Cursor 和自定义智能体等兼容 MCP 的客户端可以把 TeleMem 用作长期记忆。
MCP 服务器暴露八个工具。MCP 服务器的破坏性批量删除总是需要显式指定范围。TeleMem 自身不收集遥测数据。
TeleMem 默认禁用匿名的 PostHog 使用遥测。搜索记忆功能执行基于语义向量的相关记忆检索,并带有上下文感知的召回。搜索方法的 limit 参数用于设置结果的最大数量,默认值为 100。
视频帧提取阶段会按配置的帧率把视频解码为 JPEG 帧。向量数据库构建阶段生成用于语义检索的嵌入。多模态搜索的 max_iterations 参数设置 MMCoreAgent 推理迭代的最大次数,默认值为 15。
多模态搜索在内部使用 MMCoreAgent,采用思考、行动、观察的循环,并配有三个专用工具。在多模态记忆添加过程中,如果某个阶段的目标文件已经存在,该阶段会被自动跳过以节省计算资源。TeleMem 会自动创建按会话和角色组织的结构化文本记忆存储布局。
TeleMem 采用 Apache 2.0 许可证。CI 会在 Python 3.10–3.12 上对每个 PR 运行离线测试套件。TeleMem 由 Bloo-Mind AI Ltd 和 TeleAI 的 Ubiquitous AGI 团队制作。
来源
本页内容整理自以下官方来源,点击可核对原文。
- GitHub READMEhttps://github.com/TeleAI-UAGI/telemem抓取于
核验日期 ·
本页由 AI 依据上述官方来源整理,并经自动核对,未经本站实测。 发现错误?告诉我们。