技術 Day 17｜打造第一個 Long-term Memory Store

昨天我們把 Memory 從 Python List 搬進 Chroma，讓 Vector Database 負責保存 Record 與執行 Semantic...

技術 Day 16｜Vector Database 到底在做什麼？

昨天我們沒有使用Vector Database，而是自己完成了一次Semantic Search： Query ↓ Query Embedding ↓ 逐一比較...

技術 Day 15｜不用 Vector Database，自己實作一次 Semantic Search

昨天我們已經替每一筆 Memory Candidate 建立 Embedding，也寫好了 cosine_similarity()，可以比較兩段記憶在語意上有多...

技術 Day 14｜Embedding：AI 怎麼知道兩段記憶「很像」？

昨天我們使用 Structured Output，把抽取結果整理成： MemoryCandidate( content="使用者想加強旅遊英文...

技術 Day 13｜Structured Output：把 Memory 變成真正可以存的資料

昨天 Memora 已經可以自動分析 User Message，找出可能值得保存的資訊。 例如輸入： 我的英文程度是 B1，我想加強旅遊英文。 Memory...

技術 Day 12｜讓 LLM 自動抽取 Memory：從對話找到重要資訊

昨天我們第一次把 Conversation History 和 Memory Candidate 分開。目前使用者必須明確輸入： remember 我的英文程度...

技術 Day 11｜什麼事情值得 AI 記住？從聊天紀錄到 Memory

昨天我們完成了 Memora 的 Short-term Memory。它能保存目前這段對話、壓縮較舊的內容，並在 Input Token Budget 內建立下...