Embeddings-Gedachtnis-Backend

Das Embeddings-Backend speichert Erinnerungen als Vektor-Embeddings und ermoglicht semantische Ahnlichkeitssuche. Dies ist der leistungsstarkste Abrufmechanismus, der es Agenten ermoglicht, kontextuell relevante Erinnerungen zu finden, auch wenn exakte Schlusselworter nicht ubereinstimmen.

Ubersicht

Das Embeddings-Backend:

• Wandelt Gedachtnis-Text in dichte Vektorreprasentationen um
• Speichert Vektoren in einer lokalen oder entfernten Vektordatenbank
• Ruft Erinnerungen uber Kosinus-Ahnlichkeit zur aktuellen Abfrage ab
• Unterstutzt mehrere Embedding-Anbieter (Ollama, OpenAI usw.)

Funktionsweise

1. Wenn eine Erinnerung gespeichert wird, wird ihr Text an ein Embedding-Modell gesendet
2. Der resultierende Vektor wird zusammen mit dem Originaltext gespeichert
3. Beim Abruf wird der aktuelle Kontext eingebettet und mit gespeicherten Vektoren verglichen
4. Die Top-K ahnlichsten Erinnerungen werden zuruckgegeben

Konfiguration

[memory]
backend = "embeddings"

[memory.embeddings]
provider = "ollama"
model = "nomic-embed-text"
dimension = 768
top_k = 10
similarity_threshold = 0.5

[memory.embeddings.store]
type = "sqlite-vec"  # oder "pgvector"
path = "~/.local/share/openprx/embeddings.db"

Unterstutzte Embedding-Anbieter

Anbieter	Modell	Dimensionen
Ollama	nomic-embed-text	768
OpenAI	text-embedding-3-small	1536
OpenAI	text-embedding-3-large	3072

Verwandte Seiten

• Gedachtnissystem-Ubersicht
• SQLite-Backend
• Gedachtnis-Hygiene