SEO基础

SEO基础

Products

当前位置:首页 > SEO基础 >

memU如何处理记忆的?

96SEO 2026-02-19 20:07 12


memU如何处理记忆的?

xmlns="http://www.w3.org/2000/svg"

style="display:

none;">

https://deepwiki.com/search/_744e0876-fa6d-4963-8e01-09dfd4237487?mode=fast

MemU

Item

Category)处理记忆:原始资源经提取生成离散记忆项,再按主题聚合并生成可自演进的分类摘要;支持批量记忆化与

CRUD

三层架构

  • Resource:原始多模态数据(对话、文档、图像等)

  • Item:从资源提取的离散记忆单元(偏好、技能、事件等)

  • Category:按主题聚合的文本记忆,带可演进摘要(如

    记忆化(memorize)

    • 入口:service.memorize(resource_url,

      modality,

      步骤触发_update_category_summaries,批量更新分类摘要

      增量更新(CRUD)

      • 创建/更新/删除记忆项会构建category_updates(before/after),在_patch_persist_and_index中调用_patch_category_summaries进行增量演进

        检索(retrieve)

        • RAG:基于嵌入向量的快速检索,返回相似度分数

        • LLM:基于语义理解的深度检索,支持查询重写与早停

          示例

          • 内存与

            retrieve(RAG/LLM)的完整链路

            />

            Notes

            • 自演进机制通过

              LLM

              重写分类摘要实现,支持“仅添加/更新”策略,避免显式删除

            • 增量更新可返回need_update:

              false以跳过无意义的改写,节省成本

              pages

              explore:

              • Self-Evolving

                Memory

                (NevaMind-AI/memU)

              Citations

              File:README.md

              organizes

              src="assets/structure.png"

              />

              |-------|-------------|----------|

              **Resource**

              patterns

              File:docs/SERVICE_API.md

              (L30-35)

              `MemoryService`

              ***

              pipelines

              File:docs/SERVICE_API.md

              memorize

              Any]

              Parameters
              ParameterTypeRequiredDescription
              resource_urlstrYesURL

              local

              process.

              modalitystrYesType

              resource:"conversation","document","image","video",

              or"audio".

              summary_promptstr

              None

              NoOptional

              custom

              summarization.

              userdict[str,

              Any]

              None

              NoUser

              scope

              (e.g.,{"user_id":

              "u123"}).

              Returns
              {"resource":{"id":str,"url":str,"modality":str,"local_path":str,"caption":str|None,"created_at":str,"updated_at":str,#

              ...

              fields},"items":[{"id":str,"resource_id":str,"memory_type":str,#

              "profile",

              "behavior""summary":str,"created_at":str,"updated_at":str,#

              ...

              fields},...],"categories":[{"id":str,"name":str,"description":str,"summary":str|None,#

              ...

              fields},...],"relations":[{"item_id":str,"category_id":str,#

              ...

              fields},...]}

              Example
              result=awaitservice.memorize(

              File:docs/SERVICE_API.md

              (L153-160)

              print(f"

              [{item['memory_type']}]

              {item['summary'][:80]}...")

              and

              memories.

              **File:**

              docs/SERVICE_API.md

              Any]

              **File:**

              (L63-93)

              self.user_model(**user).model_dump()

              user

              self._ensure_categories_ready(ctx,

              store,

              "categories_prompt_str":

              "ctx":

              self._run_workflow("memorize",

              state)

              result.get("response"))

              response

              response

              File:src/memu/app/memorize.py

              (L280-288)

              asyncdef_memorize_persist_and_index(self,state:WorkflowState,step_context:Any)->WorkflowState:llm_client=self._get_step_llm_client(step_context)awaitself._update_category_summaries(state.get("category_updates",{}),ctx=state["ctx"],store=state["store"],llm_client=llm_client,)returnstate

              File:src/memu/app/patch.py

              (L354-362)

              asyncdef_patch_persist_and_index(self,state:WorkflowState,step_context:Any)->WorkflowState:llm_client=self._get_step_llm_client(step_context)awaitself._patch_category_summaries(state.get("category_updates",{}),ctx=state["ctx"],store=state["store"],llm_client=llm_client,)returnstate

              File:src/memu/app/crud.py

              (L425-475)

              asyncdef_patch_update_memory_item(self,state:WorkflowState,step_context:Any)->WorkflowState:memory_id=state["memory_id"]memory_payload=state["memory_payload"]ctx=state["ctx"]store=state["store"]user=state["user"]category_memory_updates:dict[str,tuple[Any,Any]]={}item=store.memory_item_repo.get_item(memory_id)ifnotitem:msg=f"Memory

              item

              id{memory_id}not

              found"raiseValueError(msg)old_content=item.summary

              old_item_categories=store.category_item_repo.get_item_categories(memory_id)mapped_old_cat_ids=[cat.category_idforcatinold_item_categories]ifmemory_payload["content"]:embed_payload=[memory_payload["content"]]content_embedding=(awaitself._get_llm_client().embed(embed_payload))[0]else:content_embedding=Noneifmemory_payload["type"]ormemory_payload["content"]:item=store.memory_item_repo.update_item(item_id=memory_id,memory_type=memory_payload["type"],summary=memory_payload["content"],embedding=content_embedding,)new_cat_names=memory_payload["categories"]mapped_new_cat_ids=self._map_category_names_to_ids(new_cat_names,ctx)cats_to_remove=set(mapped_old_cat_ids)-set(mapped_new_cat_ids)cats_to_add=set(mapped_new_cat_ids)-set(mapped_old_cat_ids)forcidincats_to_remove:store.category_item_repo.unlink_item_category(memory_id,cid)category_memory_updates[cid]=(old_content,None)forcidincats_to_add:store.category_item_repo.link_item_category(memory_id,cid,user_data=dict(useror{}))category_memory_updates[cid]=(None,item.summary)ifmemory_payload["content"]:forcidinset(mapped_old_cat_ids)&set(mapped_new_cat_ids):category_memory_updates[cid]=(old_content,item.summary)state.update({"memory_item":item,"category_updates":category_memory_updates,})returnstate

              File:tests/test_inmemory.py

              Memorizeprint("\n[INMEMORY]

              Memorizing...")memory=awaitservice.memorize(resource_url=file_path,modality="conversation",user={"user_id":"123"})forcatinmemory.get("categories",[]):print(f"

              -{cat.get('name')}:{(cat.get('summary')or'')[:80]}...")queries=[{"role":"user","content":{"text":"Tell

              about

              preferences"}},{"role":"assistant","content":{"text":"Sure,

              I'll

              preferences"}},{"role":"user","content":{"text":"What

              are

              ***y"},},#

              This

              rewriting]#

              RAG-based

              retrievalprint("\n[INMEMORY]

              RETRIEVED

              RAG")service.retrieve_config.method="rag"result_rag=awaitservice.retrieve(queries=queries,where={"user_id":"123"})print("

              Categories:")forcatinresult_rag.get("categories",[])[:3]:print(f"

              -{cat.get('name')}:{(cat.get('summary')orcat.get('description',''))[:80]}...")print("

              Items:")foriteminresult_rag.get("items",[])[:3]:print(f"

              [{item.get('memory_type')}]{item.get('summary','')[:100]}...")ifresult_rag.get("resources"):print("

              Resources:")forresinresult_rag.get("resources",[])[:3]:print(f"

              [{res.get('modality')}]{res.get('url','')[:80]}...")#

              LLM-based

              retrievalprint("\n[INMEMORY]

              RETRIEVED

              LLM")service.retrieve_config.method="llm"result_llm=awaitservice.retrieve(queries=queries,where={"user_id":"123"})print("

              Categories:")forcatinresult_llm.get("categories",[])[:3]:print(f"

              -{cat.get('name')}:{(cat.get('summary')orcat.get('description',''))[:80]}...")print("

              Items:")foriteminresult_llm.get("items",[])[:3]:print(f"

              [{item.get('memory_type')}]{item.get('summary','')[:100]}...")ifresult_llm.get("resources"):print("

              Resources:")forresinresult_llm.get("resources",[])[:3]:print(f"

              [{res.get('modality')}]{res.get('url','')[:80]}...")

              File:tests/test_postgres.py

              Memorizeprint("\n[POSTGRES]

              Memorizing...")memory=awaitservice.memorize(resource_url=file_path,modality="conversation",user={"user_id":"123"})forcatinmemory.get("categories",[]):print(f"

              -{cat.get('name')}:{(cat.get('summary')or'')[:80]}...")queries=[{"role":"user","content":{"text":"Tell

              about

              preferences"}},{"role":"assistant","content":{"text":"Sure,

              I'll

              preferences"}},{"role":"user","content":{"text":"What

              are

              ***y"},},#

              This

              rewriting]#

              RAG-based

              retrievalprint("\n[POSTGRES]

              RETRIEVED

              RAG")service.retrieve_config.method="rag"result_rag=awaitservice.retrieve(queries=queries,where={"user_id":"123"})print("

              Categories:")forcatinresult_rag.get("categories",[])[:3]:print(f"

              -{cat.get('name')}:{(cat.get('summary')orcat.get('description',''))[:80]}...")print("

              Items:")foriteminresult_rag.get("items",[])[:3]:print(f"

              [{item.get('memory_type')}]{item.get('summary','')[:100]}...")ifresult_rag.get("resources"):print("

              Resources:")forresinresult_rag.get("resources",[])[:3]:print(f"

              [{res.get('modality')}]{res.get('url','')[:80]}...")#

              LLM-based

              retrievalprint("\n[POSTGRES]

              RETRIEVED

              LLM")service.retrieve_config.method="llm"result_llm=awaitservice.retrieve(queries=queries,where={"user_id":"123"})print("

              Categories:")forcatinresult_llm.get("categories",[])[:3]:print(f"

              -{cat.get('name')}:{(cat.get('summary')orcat.get('description',''))[:80]}...")print("

              Items:")foriteminresult_llm.get("items",[])[:3]:print(f"

              [{item.get('memory_type')}]{item.get('summary','')[:100]}...")ifresult_llm.get("resources"):print("

              Resources:")forresinresult_llm.get("resources",[])[:3]:print(f"

              [{res.get('modality')}]{res.get('url','')[:80]}...")



SEO优化服务概述

作为专业的SEO优化服务提供商,我们致力于通过科学、系统的搜索引擎优化策略,帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。

百度官方合作伙伴 白帽SEO技术 数据驱动优化 效果长期稳定

SEO优化核心服务

网站技术SEO

  • 网站结构优化 - 提升网站爬虫可访问性
  • 页面速度优化 - 缩短加载时间,提高用户体验
  • 移动端适配 - 确保移动设备友好性
  • HTTPS安全协议 - 提升网站安全性与信任度
  • 结构化数据标记 - 增强搜索结果显示效果

内容优化服务

  • 关键词研究与布局 - 精准定位目标关键词
  • 高质量内容创作 - 原创、专业、有价值的内容
  • Meta标签优化 - 提升点击率和相关性
  • 内容更新策略 - 保持网站内容新鲜度
  • 多媒体内容优化 - 图片、视频SEO优化

外链建设策略

  • 高质量外链获取 - 权威网站链接建设
  • 品牌提及监控 - 追踪品牌在线曝光
  • 行业目录提交 - 提升网站基础权威
  • 社交媒体整合 - 增强内容传播力
  • 链接质量分析 - 避免低质量链接风险

SEO服务方案对比

服务项目 基础套餐 标准套餐 高级定制
关键词优化数量 10-20个核心词 30-50个核心词+长尾词 80-150个全方位覆盖
内容优化 基础页面优化 全站内容优化+每月5篇原创 个性化内容策略+每月15篇原创
技术SEO 基本技术检查 全面技术优化+移动适配 深度技术重构+性能优化
外链建设 每月5-10条 每月20-30条高质量外链 每月50+条多渠道外链
数据报告 月度基础报告 双周详细报告+分析 每周深度报告+策略调整
效果保障 3-6个月见效 2-4个月见效 1-3个月快速见效

SEO优化实施流程

我们的SEO优化服务遵循科学严谨的流程,确保每一步都基于数据分析和行业最佳实践:

1

网站诊断分析

全面检测网站技术问题、内容质量、竞争对手情况,制定个性化优化方案。

2

关键词策略制定

基于用户搜索意图和商业目标,制定全面的关键词矩阵和布局策略。

3

技术优化实施

解决网站技术问题,优化网站结构,提升页面速度和移动端体验。

4

内容优化建设

创作高质量原创内容,优化现有页面,建立内容更新机制。

5

外链建设推广

获取高质量外部链接,建立品牌在线影响力,提升网站权威度。

6

数据监控调整

持续监控排名、流量和转化数据,根据效果调整优化策略。

SEO优化常见问题

SEO优化一般需要多长时间才能看到效果?
SEO是一个渐进的过程,通常需要3-6个月才能看到明显效果。具体时间取决于网站现状、竞争程度和优化强度。我们的标准套餐一般在2-4个月内开始显现效果,高级定制方案可能在1-3个月内就能看到初步成果。
你们使用白帽SEO技术还是黑帽技术?
我们始终坚持使用白帽SEO技术,遵循搜索引擎的官方指南。我们的优化策略注重长期效果和可持续性,绝不使用任何可能导致网站被惩罚的违规手段。作为百度官方合作伙伴,我们承诺提供安全、合规的SEO服务。
SEO优化后效果能持续多久?
通过我们的白帽SEO策略获得的排名和流量具有长期稳定性。一旦网站达到理想排名,只需适当的维护和更新,效果可以持续数年。我们提供优化后维护服务,确保您的网站长期保持竞争优势。
你们提供SEO优化效果保障吗?
我们提供基于数据的SEO效果承诺。根据服务套餐不同,我们承诺在约定时间内将核心关键词优化到指定排名位置,或实现约定的自然流量增长目标。所有承诺都会在服务合同中明确约定,并提供详细的KPI衡量标准。

SEO优化效果数据

基于我们服务的客户数据统计,平均优化效果如下:

+85%
自然搜索流量提升
+120%
关键词排名数量
+60%
网站转化率提升
3-6月
平均见效周期

行业案例 - 制造业

  • 优化前:日均自然流量120,核心词无排名
  • 优化6个月后:日均自然流量950,15个核心词首页排名
  • 效果提升:流量增长692%,询盘量增加320%

行业案例 - 电商

  • 优化前:月均自然订单50单,转化率1.2%
  • 优化4个月后:月均自然订单210单,转化率2.8%
  • 效果提升:订单增长320%,转化率提升133%

行业案例 - 教育

  • 优化前:月均咨询量35个,主要依赖付费广告
  • 优化5个月后:月均咨询量180个,自然流量占比65%
  • 效果提升:咨询量增长414%,营销成本降低57%

为什么选择我们的SEO服务

专业团队

  • 10年以上SEO经验专家带队
  • 百度、Google认证工程师
  • 内容创作、技术开发、数据分析多领域团队
  • 持续培训保持技术领先

数据驱动

  • 自主研发SEO分析工具
  • 实时排名监控系统
  • 竞争对手深度分析
  • 效果可视化报告

透明合作

  • 清晰的服务内容和价格
  • 定期进展汇报和沟通
  • 效果数据实时可查
  • 灵活的合同条款

我们的SEO服务理念

我们坚信,真正的SEO优化不仅仅是追求排名,而是通过提供优质内容、优化用户体验、建立网站权威,最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系,共同成长。

提交需求或反馈

Demand feedback