一个基于GPT的人工智能助手，目标是成为一个能够做任何任务的人工智能。.zip

第一代，计划实现一个拥有长期记忆，并且可以进行连续语音对话能力的语音助手 - [x] 关键词唤醒 - [x] 语音输入 - [x] 语音对话 - [x] 长期记忆 # 运行： main.py是最先写的代码，main_restruct是在main.py基础上进行重构的。 拥有长期记忆的直接运行： main_restruct_memory.py # 使用到的： Whisper 语音识别 OpenaiEmbeddings Chroma # 参考： OpenAI Embeddings和向量数据库速成课程： https://www.bilibili.com/video/BV1Kk4y1M7BT OpenAI 官方文档：https://platform.openai.com/docs/api-reference/embeddings Chroma官网：https://www.trychroma.com/ Chroma官方文档：https://docs.trychroma.com/getting-started 在Chroma中，集合相当于数据表，数据表内含有文档，文档相当于行数据。 将两个文档添加到了"all-my-documents"集合中。 每个文档都有一个唯一的标识符（ids）， 以及与之相关的元数据（metadatas），如文档的来源。 documents是实际的文本内容。Chroma会处理文档的分词、嵌入和索引等操作。 主要涉及到的需要学习的就是：新建表集合，添加文档（根据embeddings），查找文档（根据embeddings） # 存在的问题： 尽管能够提取长期记忆，但是每次对话前查找相关记忆、对话后添加相关记忆的模式，过于单一，容易出现奇奇怪怪的内容 1、记忆插入格式需要优化，有时容易使得内容 被GPT认为是按照记忆格式回答问题。 2、完全依靠embeddings的存储和提取，使针对同样的问句，提取出的数据都一样。而不一样的话题，可能因为同样的询问方式而判定成相关的记忆，使得回答不符合期望。 # 计划优化 1、设计优化：改进成利用api的选择性记忆模式，而不是现在的全盘性记忆 2、针对问题1：尚无想法 3、针对问题2：尚无改进措施，计划引入时间和相关度权重