Memobase部署完全指南：从本地开发到生产环境的完整流程

Memobase部署完全指南从本地开发到生产环境的完整流程【免费下载链接】memobaseUser Profile-Based Long-Term Memory for AI Chatbot Applications.项目地址: https://gitcode.com/gh_mirrors/me/memobaseMemobase是一款基于用户档案的AI聊天机器人长期记忆解决方案能够帮助AI应用构建个性化的用户记忆系统。本指南将带你完成从环境准备到生产部署的全流程让你快速掌握Memobase的部署技巧。准备工作环境与依赖在开始部署Memobase之前需要确保你的系统满足以下要求Docker和Docker Compose推荐用于生产环境Python 3.8本地开发GitLLM API密钥如OpenAI、Ollama等嵌入API密钥可选如Jina、Ollama等首先克隆Memobase仓库到本地git clone https://gitcode.com/gh_mirrors/me/memobase cd memobase核心配置文件说明Memobase使用单一配置文件config.yaml进行初始化包含LLM、嵌入和内存相关的设置。你可以在src/server/api/example_config/目录下找到多种场景的配置示例如profile_for_assistant适用于助手类应用profile_for_education适用于教育类应用ollama_embedding使用Ollama进行嵌入计算图Memobase与Dify集成的工作流程示例展示了用户上下文获取和个性化响应生成的完整流程本地开发环境搭建本地开发环境允许你在修改代码后快速测试适合开发新功能或自定义配置。步骤1启动开发数据库cd src/server sh script/up-dev.sh步骤2安装依赖并运行测试cd api uv sync # 安装依赖 uv run pytest # 运行测试步骤3启动开发服务器uv run -m fastapi dev --port 8019开发模式下支持热重载修改代码后无需重启服务即可生效生产环境部署Docker Compose方式Docker Compose是部署Memobase的推荐方式它可以一键启动所有必要的服务组件。步骤1准备配置文件cd src/server cp .env.example .env cp ./api/config.yaml.example ./api/config.yaml编辑.env文件设置服务端口和访问令牌编辑config.yaml配置LLM和嵌入服务llm_api_keyLLM服务的API密钥llm_base_urlLLM服务地址默认为OpenAI可替换为Ollama等兼容服务enable_event_embedding是否启用事件嵌入功能步骤2启动服务docker-compose build docker-compose up -d步骤3验证部署访问http://localhost:8019/api/v1/healthcheck如果返回以下结果表示部署成功{data:null,errno:0,errmsg:}进阶部署仅运行Memobase核心服务如果你已有PostgreSQL和Redis可以仅部署Memobase核心服务。步骤1拉取Docker镜像docker pull ghcr.io/memodb-io/memobase:latest步骤2准备配置文件创建env.list文件设置环境变量内容参考.env.example并准备config.yaml配置文件。步骤3启动核心服务docker run --env-file env.list -v ./api/config.yaml:/app/config.yaml -p 8019:8000 ghcr.io/memodb-io/memobase:main数据库迁移当Memobase版本更新可能引入数据库 schema 变更时需要进行数据迁移步骤1安装Alembicpip install alembic步骤2配置数据库连接修改./api/alembic.ini文件中的sqlalchemy.url为你的PostgreSQL连接地址。步骤3执行迁移cd api mkdir migrations/versions alembic upgrade head alembic revision --autogenerate -m memobase changes alembic upgrade head # 应用迁移客户端集成部署完成后可以通过多种客户端SDK连接Memobase服务Python客户端pip install memobasefrom memobase import MemoBaseClient client MemoBaseClient( project_urlhttp://localhost:8019, api_keyyour_api_key, ) # 创建用户 uid client.add_user({name: Gustavo}) # 插入对话记录 from memobase import ChatBlob b ChatBlob(messages[ {role: user, content: Hi, Im here again}, {role: assistant, content: Hi, Gus! How can I help you?} ]) user client.get_user(uid) bid user.insert(b) # 获取用户上下文 context user.context()图Memobase用户记忆处理流程展示了从用户输入到生成个性化响应的完整过程其他客户端Memobase还提供TypeScript、Go等多种语言的客户端SDK安装方式如下# Node.js npm install memobase/memobase # Deno deno add jsr:memobase/memobase # Go go get github.com/memodb-io/memobase/src/client/memobase-golatest配置优化建议为了获得最佳性能建议根据实际使用场景调整以下配置内存管理max_pre_profile_token_size调整个人资料的最大令牌大小max_profile_subtopics设置个人资料子主题的最大数量性能优化对于高并发场景考虑使用Redis集群提高缓存性能生产环境中建议使用专用的PostgreSQL服务器而非Docker容器图Memobase用户档案结构示例展示了基本信息、社交关系和教育背景等多维度用户数据常见问题解决服务启动失败检查config.yaml中的LLM和嵌入服务配置是否正确确保数据库服务正常运行且网络可访问查看日志文件src/server/api/logs/memobase.log获取详细错误信息内存占用过高调整config.yaml中的缓存设置定期清理不活跃用户数据考虑使用更强大的服务器资源总结通过本指南你已经掌握了Memobase从本地开发到生产环境的完整部署流程。无论是快速启动开发环境进行功能测试还是配置生产环境以支持高并发访问Memobase都提供了灵活且易于操作的部署方案。如需了解更多高级配置和API使用方法请参考官方文档src/server/readme.md 和 docs/site/quickstart.mdx。【免费下载链接】memobaseUser Profile-Based Long-Term Memory for AI Chatbot Applications.项目地址: https://gitcode.com/gh_mirrors/me/memobase创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考