不可否认，大型语言模型（LLM）的出现彻底改变了人工智能领域。但是，这些模型并非没有局限性。他们面临的最重大挑战之一是有限的上下文窗口的限制。此限制妨碍了它们在扩展对话和文档分析等任务中的实用性。
为了解决这个问题，提出了一种称为虚拟上下文管理的新技术。这种技术从传统操作系统中的分层内存系统中汲取灵感，通过在快内存和慢内存之间的数据移动来提供大内存资源的错觉。本指南介绍了MemGPT（内存-GPT），该系统采用这种技术来智能地管理不同的内存层，从而在LLM的有限上下文窗口中有效地提供扩展上下文。
MemGPT 是一个系统，它通过分层内存系统和一组允许它管理自己的内存的功能来增强固定上下文的 LLM 处理器。主要上下文是固定长度的LLM输入。MemGPT 在每个处理周期解析 LLM 文本输出，并产生控制或执行函数调用。这些函数调用可用于在主上下文和外部上下文之间移动数据。当LLM生成函数调用时，它可以请求立即返回执行以将函数链接在一起。在收益的情况下，LLM 不会再次运行，直到下一个外部事件触发器，例如用户消息或计划中断。
MemGPT 的概念受到操作系统中虚拟内存的启发，该内存用于创建无限的 LLM 上下文。这在永久聊天的上下文中特别有用，其中有限的上下文长度会使过程具有挑战性。使用 MemGPT，可以教 LLM 管理自己的记忆，从而克服固定上下文长度的限制。
MemGPT 的效用不仅限于永久聊天。它已经在两个领域进行了评估，其中现代LLM的有限上下文窗口严重阻碍了它们的性能：文档分析和多会话聊天。在文档分析的情况下，MemGPT能够分析远远超过底层LLM上下文窗口的大型文档。这是一个重大的进步，因为它允许对大量文本进行更全面和深入的分析。
在多会话聊天领域，MemGPT 可以创建对话代理，通过与用户的长期交互来记忆、反映和动态发展。这是人工智能聊天机器人发展的重要一步，因为它允许随着时间的推移而发展的更自然和引人入胜的对话。
MemGPT 代表了大型语言模型领域的重大进步。通过智能地管理不同的内存层并在LLM的有限上下文窗口中提供扩展上下文，它克服了这些模型的一些关键限制。无论是实现更全面的文档分析，还是在多会话聊天中促进更具吸引力和动态的对话，MemGPT 的潜在应用都是广泛而令人兴奋的。随着我们继续突破大型语言模型的界限，像 MemGPT 这样的系统无疑将在塑造该领域的未来方面发挥关键作用。
