我给Octop记忆定义的就是给Agent一个能带走的记忆 我们的多专家多Agent的并行 如何来重录我们的记忆 Hello 大家好 大家晚上好 欢迎大家来到今天的直播间 我是今天的主持人娇娇 欢迎大家再次来到云上AI工坊的直播间 那么今天这期的主角是Octop 一个刚刚开源的自演的AI助手 今天我们也会针对他多专家多用户 多Agent的并行这样子的一个特征 去采取一些实战的案例分析 比如说我不知道直播间的各位 有没有一些做行业分析 竞品分析这样子的一个日常的工作需求 那么我们也会针对这样子的一个 实战的场景来打造这个Octop重塑 竞品分析工作流这样子的一个实战案例 同时也会涉及到一些多agent的博弈 比如说大家不知道喜不喜欢吃豆腐脑 我们本场直播也会给大家在线 围观一下这个豆腐脑 AI它是如何进行填写的辩论的 同时大家上一场直播中 其实也有关注到 我们这个Octop它的一个记忆机制是怎么样的 什么东西是该记忆的 什么是该召回的 那么本场直播大家不用着急 我们也会给大家详细的去拆解Octop的记忆机制 话不多说 我们也简要的介绍一下今天的两位嘉宾 首先是Octop的研发工程师英宁 另外一位杨直 也是我们的Octop的研发工程师 我们先来讲 本期的一个Octop基础的模块介绍 就是记忆 我上一期应该就是给大家演示了 我们Octop的记忆面板 然后这期我们会给大家详细带来一下 Octop的记忆 它是怎么记的 它又为什么好 话不多说 让我们开始 首先可以看到标题 我给Octop记忆定义的就是 给Agent一个能带走的记忆 如果想到能带走 我想问一下杨直跟焦焦 首先想到的是什么 它一定可以从不管是Open Cloud还是Harmor 都可以迁积到我们的Octob 对 是的 我也是这样想的 是的 那其实就是这样 不知道现在在看直播的朋友 有没有我们以前的老用户 给大家说一下 我们的Octob其实是有个前身 就是叫LiCloud ACE 如果一直关注咱们腾讯服务器直播间的朋友 应该听说过这个产品或名词 现在我们推出了全新升级版Octob 同时我们也在GitHub开源了 感兴趣的粉丝朋友们也可以去搜索Octop 看看我们的代码给我们提交PR或issue 也请多多fork我们仓库以及给我们start 是的 欢迎提论区的大佬们 多多的为我们的项目去提出建设性的意见 首先那继续给大家讲解记忆 那我们现在记忆其实现在是一个七层的记忆结构 和两条相反的流水线 那两条方向相反流水线是什么 就是沉淀和召回 其实这两个名词有点晦涩难懂 但是没有关系 后面听我讲大家就能懂了 首先给大家介绍一下Octop memory是什么 它其实是一个面向agent的可插拔长期记忆系统 也就是它其实不只适用于我们Octop 因为在我们推出AC的memory的时候 其实很多粉丝朋友就问 说那如果你们一直在说你们memory好 那能不能做个独立的插件 像外面的那些memory插件一样 他们就是想接在OpenCloud使用 接在Hermus使用 当时给大家的回复是 我们未来会推出 那现在随着我们全新升级的Octop推出 对我们Octop Memory 也迎来一个可插拔的长期记忆系统 现在我们Octop Memory也支持 就是在Hermus上使用 在OpenCloud上使用 以及刚刚我们说可以带走的记忆 也就是说你的记忆 其实是跟着我们Octop Memory走 并不是说是依赖agent本身 如果你在Octop上 你就是用了一段时间 你想我带着这份记忆 我去试一下 那OpenCloud是怎么样的 Hermes是怎么样的 是不是你们Octop真的说着 比OpenCloudHermes好 那是真的好吗 那没关系 你就可以带着我们的记忆 去实地感受一下 对我们现在是可以支持 这个功能的 那是不是可以理解为 只要拥有这个插件 其实我们的记忆就可以灵活的 OpenCloud Hermes之间去牵引使用 是的是的就是这样的 对 那这个功能也太方便了 那真的是一个挺大的优势 是的 因为之前我们每个组件都是聚合在一起的 是在我们前身ACE版本 如果了解的粉丝朋友应该也知道 但我们现在随着我们全新的功能升级 我们架构也迎来了一个升级 在后面我们也会陆续开源我们每个组件 如果感兴趣的朋友 可以先给我们仓库点个star 或后续我们开源其他组件 我们也会通知各位观众朋友 对 是的 大家把这个star给点起来 我刚刚其实也介绍了 我们Octop在最上层 然后我们也有browser 也有givet 包括我们的运行时 那今天我们其实要给大家带来的是 Octop Memory 在介绍Octop Memory之前 那其实今天还没有遇到那个经典问题 我包括在之前来到直播间 大概五六七八次 不管是在建议的时候 或者是Octop的时候 粉丝朋友总会在评论区问 那你们跟谁谁有什么不一样 那之前其实都是很口语化的给大家解答 但是今天我作为一个经验丰富的老主播 我就是预设到了这个问题 那我就是加了一页HTML 跟大家好好讲讲 我们on top到底跟别人有什么不一样 其实可以从四维看见 其实就有四个维度 一个是多用户 一个是个人 以及一个是编码场景 一个是通用办公和生活场景 那这时候其实我想问一下 焦焦和杨直 其实正好是一个运营同学 一个研发同学 那你们在工作中 其实用哪个agent用的比较多 其实我在日常工作中 这几个都有使用 首先就是我们云上的这个lighthouse 是我自己一直持续有氧的 我们的一个桌面的agentworkbody 其实也有在使用的 我觉得他们可能在不同的场景 和不同的任务 它各有优利 这几个都有使用 那我平时觉得 Workbody去做一些 文档编辑是很方便的 对 但对于一个研发工程师 可能来说 像Codex 像Cloudcode这种编码 包括我们的腾讯 推出的Codebody 也是非常好的一个编码工具 这些都在使用 粉丝朋友也有说 有用这个Workbody 有用Hermes都在用 对 我也看到一个问题 是说这个记忆写入时 有没有去重合 冲突的消解机制 如何处理 同一事实的不同表述 这个问题挺好的 对 看来这个Nome粉丝朋友 其实是有关注记忆组件的 那其实我们去虫和冲突消解机制是有的 其实先给大家看一下后续的PPT 那我们其实有七层结构 第一层是memory.md 如果养过虾的朋友可能就知道它是什么 对于Open Cloud和Hermas 它都会全量进入一个上下文 做一个比较全的记忆 当然我们也会同步这个操作场景 对于我们自己的记忆 首先我们就有一个ROEvent 就是一个最底层的事实 也就是对话数据源 然后我们会有一个Candidate 如果我们会有一套记忆的上升规则 就是关于长期记忆 有事实记忆 有情景记忆 以及用户的一些信息 那如果你触发到了我们的规则 那就会进入Candidate 那在Candidate层 那这个记忆会做什么 其实就是一个沉淀 那首先他会去判断你的 这条记忆是闲聊噪声还是真的是实 如果是重要性低和自信度低的话 他就会选择一个丢弃 其实我们这个记忆其实最重要的就是 他必须正确 就是他永远都会有一个reference 可以指挥刚刚我们所谓的Rone Event 一个Elling的原始事件 因为这样我们 我当时在考虑做这个记忆的时候 其实想打造成一个可追溯的记忆 并不是说像OpenCloud或者Hermas一样 如果大模型觉得该写 他就去写这个memory.md 后面可能记错了 或者说是记的事实有误的时候 其实想追溯 你其实并不知道 他是什么时候把这个错误信息写了进去 所以我在设计这个记系统的时候 就有非常严苛的reference地址 如果过了这两道检查关卡 其实就会到一个我们的entity 那这里可能就会有朋友问的去重合冲突 那其实在entity这里 可以给大家先在我们这里看一眼 那其实我们会有个记忆数 那其实每个entity下面 每个主体下面都会有记忆 那如果有一条新的记忆进来 它会看是属于这个user自己的 或者是哪个人物的 或者是某个事实的 当然你有了这些事实和人物之后 你觉得这条记忆不好或者不重要 或者你不想让它参与以后的记忆交回 你可以把它弃用掉 对 一 这个冲突消解会是在这个entity的时候 它会读取你之前的记忆 然后进行一个entity的重构 你看这里也有 如果和事实矛盾 它会进冲突对立 如果冲突对立在哪 其实是在我们的记忆沉淀这里 那我现在没有冲突的 如果有冲突的 它会希望你去check 对 看如果存在矛盾 就尽 如果你点采纳 或你可以点轰略 但是如果你七天没有的话 它会判断是新的记忆自动采纳 对 我们先给大家回答一下 几个高频的问题 就是说我们的October和其他的产品 它的定位有什么不同 以及它的优势在哪里 先给大家讲完 我们待会儿 我也会详细地讲解到记忆 大家有关于记忆的 可以一起提问 那其实从包括 我其实刚刚也问了 焦焦和扬之两个问题 那其实研发可能就用Cloud Code 用Codex 包括我们公司的Codebody比较多 办公可能就是我们Workbody 现在其实也有些同事 会用CC或者Codex 就是做一个办公场景的Agent 生活场景其实就是OpenCloud Hermes 我们其实是处于这个项线位 那其实首先比起个人 我们Oktop肯定是多用户的 我们是支持多用户 如果上一期直播 Octop第一期直播 没有看的观众朋友们 可能是这里可以给大家介绍一下 你在一台服务器 部署了我们Octop 你有一个主用户 你也可以创建许多子用户 去分给你 不管是家人朋友 你们可以一起共享这个Octop 他们彼此之间的工作空间和记忆 是隔离的 只有一个龙虾 就可以供一个小团队 或者一家人去使用 对 不同的A型 可以用不同的记忆 对的 刚刚说到 不同的Agent 首先每个用户肯定记忆隔离 其实上期直播也讲了多agent 我们在一个用户的多agent下 每个agent也是记忆隔离的 这样就是防止我们记忆紊乱 对 是的 到我们的粉丝朋友 开头的问 Octob是一个桌面应用程序吗 这也是涉及到我们的定位问题 Octob我们现在是一个开源的一个agent 我们未来会推出轻量云应用镜像 我们也支持PWA安装成应用程序 PWA安装在桌面上 如果后续有期待桌面客户端 我们有精力也会投入 最多可以支持用户 最多就应该是看你服务系性能了 如果你买个很多 8核8G或者多核多G 其实就可以承载很多个用户 还有粉丝朋友问 这个目的是用在 OnCloud Hermes Workbody上面吗 其实我们就是一个独立的agent 对 独立的agent 就是跟OpenCloud Hermas Workbody 我们同位agent 可能有些相似或不同的功能 其实刚刚就讲到 首先我们是独用户 我们其实是 办公和生活场景 都是比较通用的 像我们Octop可以用来做PPT 包括后面养殖会演示的竞品调研 同时关注过我们直播间的朋友 我们之前有个很火的直播 就是我们的产品 Anthel 他在用ACE养娃 对这个场景也同时迁移到了我们的Octop上 大家也可以尝试一下用Octop养花 对包括我自己啊 我在用Octop做我的健康管理助手 对其实办公和生活场景我们都能cover 大家感兴趣的话可以都试一下 可以直接作为记忆题给Workbody 也就是我们的Hanath Memory 也就是我们的Octop Memory 我们现在还没有提供接入Workbody的记忆 Workbody我理解他们应该有一个原生的记忆 对我其实下面列了 我们到底和别的记忆 有什么不一样 那Workbody它其实 记忆是产品内封装的 如果后续大家感兴趣 可以说去看看 怎么合作对接一下 对 我问了一个非常经典的 为啥叫Octop 其实上一期直播 也有朋友问 那给我们取这个名字 其实是我们的一名主播 他原来想一个名字 叫Octopus 就是Octopus 就是章鱼 因为我们多用户 多专家 还有多智能体非常多 就像章鱼非常多的触手一样 所以我们想了Octopus 但是为了一是好发音 二是我们比较想要Top这个后缀 所以我们改名叫On Top 那我看我们也是列举了 不同的形态的Agent的区别 您这一块可以给我们详细的介绍一下吗 直播间的粉丝朋友们可以截图保存 大家如果对这一块 不仔细的可以截图保存一下 其实我理解大家问的最多应该是Open Cloud Hermes 跟我们到底有什么不一样 其实Cloud Code和Codex就是一个编码agent 大家用的最多的也是我们直播间出现最多的 就是Open Cloud Hermes 然后它跟我们一个最大区别是 我们其实是一个多专家 包括一个用户你可以创建非常多的专家 也就是你可以就比如我和杨直 我们俩是一个小团队 我是Admin 我可以创建我自己的生活助理和办公助理 这两个助理都在Octop 都使用一个Octop 他们工作区和记忆是完全隔离的 同时我还可以创建一个子用户给杨指 杨指也可以创建属于他自己的多专家 对 每个专家对于IM渠道都是隔离的 所以如果想要就可以生活场景 就在微信上接入 办公场景 我们就连飞书或起飞或丁丁 我们也都支持 对 其实这是一个最大的不同 像OpenCloud和Hermes 他们都是个人Agent 包括他们也只支持单人用户 我们是多用户 然后一人部署全家 关键问题是 你这个产品支持多少个通道 我们这也有介绍的 是的 我们其实支持 飞书丁丁 启威 QQ 很多通道 像我可以在这个里面 这就是我们实际的产品面板 可以给大家看一下 支持微信 QQ 启威 启威 元宝 包括华为的小益 也小易都可以 对包括这个MQTT也可以看 刚刚我举例一个用户有多个专家 他们每个人其实都可以配那么多的通道 每个专家可以配多通道 对是的 那还是很全面的 是的欢迎大家使用 有用户在问我们官网地址是什么 我们官网地址是好给大家放大一下 请搜Github 在我们Tencent Cloud项目下的OCTO 对也欢迎大家记得支持我们的产品 GateStar 对那我现在回答现在一下这个用户 QQ是不是只是单鸟 如果是群鸟是不是还得用QQBot 那么非常感谢这位用户的提问 这个QQ群鸟现在已经支持了 但是我们未来会继续拓展我们的QQ群鸟 包括我们的QQ的一个多Agent 会接入到我们的包括QQ频道 我们也可以用家庭群 我们也会接入我们的Agent 每个家庭用户都有机会在里面提问 这是我们下一步的打算 没错可以多个Agent 当然可以了 我们当然可以用多个Agent在一个聊天框里面去执行共同任务 的话我们会展示的 对其实关于我讲的记忆的话 像OpenCloud和Hermes 他们其实都是把他们的MD 加入就是系统提示词 然后被读到 你要记的时候就是叫OpenCloud和HermesAgent本身去写Memory的MD 那我们其实讲到稍微提了一点关于沉淀和召回 包括我们的牵引能力 后续我会细讲 对其实还有很多功能 包括ACP其实刚刚有提到 大家用Cloud Code和Codex重做 那其实我们和 不管是Cloud Code还是Codex 甚至Codebody OpenCode 我们并不是竞品 我们其实是可以调用它们的能力的 因为Octop有个鞋叫ACP 可以通过ACP 就是连接上Codec Codec 你如果想编程 你想用更成熟的Codeagents 你就可以把任务委派给他们 也是在我们Octop里是可以实现的 有粉丝朋友问能自己部署吗 可以的 请关注我们的Octop GitHub仓库 然后在我们的ReadMe里 有详细的字部署教程 如果是想用镜像一键部署的话 我们未来也会提供镜像 可以在腾讯控制台直接购买 也是使用腾讯轻量服务器 对我们后续会提供轻量服务器的镜像 很快 本周或者下周 我们现在有一点最后的工作 我们即将会出 对欢迎大家 即使关注我们轻量 我们会适时推出我们的GTOP镜像 也就是以前我们的ACE镜像 用户也可以升级到GTOP镜像 对了我们的ACE是不是要升级了 是的我们也会提供轻易工具 既然说到这了 那就给大家演示一下 如果有我们的老用户的话 可以看可以更新到我们最新的0.1.31版本 认准我们0.1.31版本 在高级设置里可以看到一个导出到Octop 然后这里就可以导出到Octop 可以打包一个备份 可以看到这个备份其实已经就是 就是TAR包下下来了 然后再打开我们的Octop 然后再应用设置有个备份与恢复 首先就上传我们刚刚 你看这就是19.32刚刚那个备份 我们把它上传了 然后我们就点恢复 请大家记住我们的用户名就是the mean 密码就是之前在litecloud设置的那个密码 我们继续来学习你的记忆机制 其实刚刚给大家也讲了 我们跟opencloud跟hermas 包括跟cloudcode和codex 在产品上和记忆上有什么不同 那octop memory到底是怎么样的呢 那就给大家其实我在PT里给大家做个比喻 如果把我们的记忆比做成一家暴数 那我们常驻的除了常驻的memory.md文件之外 那其实我们刚刚其实介绍有个roll event 它就是一个录音笔 就是你跟Octop说了什么 它都会记住 然后它永远是一个证据源 我们刚刚说到在记忆召回的时候 不管召回的是哪条记忆 最后都能refer就能溯源到 你跟Octop的对话 就是保证我们记忆永远是正确的一个机制 所以它是一个录音笔 下一层就是一个candidate 就是记者出稿 那就是大模型从原始对话中 就是从用户跟Octop对话中 抽取出的候选事实 但是为什么是出稿呢 因为它只是一个候选事实 它还没有见报 在candidate这一层解决完冲突 通过用户审核 然后在重要性和智信度上面 有所筛选之后 然后它才会晋升成一个 ATOM card 就是一个正式简报 当然这也是我们在 就是我们的Octop面板中会看到的记忆 它也是我们的召回主力层 当然后面我们会讲到召回 除此之外 我们还有一个日记层 那这个其实是除了上面的事实 之外的东西 就是一些装饰时过滤掉的东西 比如是生活事件和情绪 它是和事实管线病情跑的 并不污染 了解我们AC和Octop的话 知道我们会有一个主动关心机制 那其实这个机制就是 探查到用户的心情 在用户开心的时候会鼓励他 以及在用户低落的时候会安慰他 在Octop里其实就是靠着我们这个日记层 其实我们还有人物词条 所有的正式箭报的原子卡片 都会在一个人物词条下 它会把原子卡片归类到人物词条 包括用户人物事实 在这样就会每条原子卡片之间 就会产生联系 最后是神器流水 因为听课的观众朋友们 可能就会有问题 那所有记忆的生成都靠大模型 那它是怎么做的 那其实就是神器流水 它可以记住大模型 从哪一条事实中 那个对话中提取到了 哪些候选 候选怎么进生存原子卡片 都会在我们的面板中一一显示 包括删除包括冲突 对 那其实我有一个小白的问题 想问一下英明 不知道直播间有没有类似的问题 关于我们记忆 它的一个沉淀和召回 它具体指的是什么 这个概念怎么理解 记忆的沉淀 像焦焦其实有在 OpenCloud和Hermes 那比如说 那你最近一个问你的 Hermes的问题是什么 焦焦 你可以告诉我们 你在什么一个场景下用了它 就比如说最近一次让他帮我撰写一下 我们这个直播的整个的策划 对那关于你和他在这个对话中 那记忆的沉淀他会记住 我的主人叫焦 那今天其实是叫我帮忙撰写这个直播的计划 那他会根据你给他提示词沉淀一下 焦在今天那他参与了主题什么什么的直播 他就会根据你的对话 然后记住一些有用的事实 或者你今天做的事情 这就是记忆的沉淀 对 那什么是召回呢 那比如说 那下次直播的时候 如果你再跟你的龙虾对话 其实如果就是人与人之间对话 比如说 比如说我昨天跟杨子说 那我可能昨天跟杨子说 我最近有点上火 那可能我今天说 OK我要去吃炸鸡 那杨子就会想起 那我说我昨天有点上火 他就会可能想起这个相关性 那其实agent也会这样 如果你下次跟他说 你又要撰写一个直播的 PPT或者直播的大纲了 他应该像人一样想起 你之前跟他说过的相似的对话 然后来帮助你更好的去优化你的工作 工作这就是记忆的召回 了解了 好的学到了 那其实刚刚讲那么多 那就来实力演练一下 那假如这个用户 在一台安装了Octop Memory的agent上说 跟这个Agent说 那这个项目暂时先别上PG了 PG就是一个数据库 说本地SecureLights已经够用了 说他下周要去上海出差 有点焦虑 那其实这句话包含了很多信息 首先L0层就是我们刚刚的事实 就是录音笔 他会把这句话记下来 在录音笔之外 到了我们的候选事实 那一有日记 下周去上海出差有点焦虑 因为这只是一个一时的心情 它可能在工作中不太会被需要 那这个项目不用PG 用CircleLite 这可能就是一个工具强相关的事实 那心情就进日记 事实就进我们的候选卡片 那就说到了刚刚的五层 那看看它的自信度和重要性够吗 有没有可以录音证据 零零的原始事实证 到底能不能被指导 如果被指导 那我们就要进生成 就是正式的原子卡片了 那我们这个原子卡片里 有没有一个实体 可以让它归类 如果有的话 那就装进这个实体 没有就重新去生成一个实体 我再看看 跟数据库里的事实 有没有冲突 可能我们数据库里面 三个月前有一条事实是 那我们就要用PG做足库 然后当我们现在说了一句话 是别上PG了 它就检测到有冲突 那它其实就会触发刚刚我们演示的那个有冲突 那就等待用 那就等待用户采纳或者用户拒绝 这就是我们整体的一个沉淀路线了 那下面其实讲解就是G的最后一部分 就是召回 那召回那又是一个实力演练一个举例 如果一个用户就是问 那个项目的当时的数据库是怎么定的来着 那首先会去查一个缓存 看这个缓存里有没有相关的关键字 如果没有 那就直接去进行一个用BM25 就是我们的一个召回的一个算法 然后去搜索 那有没有相应的原则卡片 那搜到了 就是我们刚刚说的 那Octob这个暂时先不用PG了 先用本地的Syculate 它就是搜到之后 它就可以回答用户的这个问题了 就是它的一个运行的内在机制的原理是吗 一步一步是如何运作的 对的 其实还有很多细节 但是我们未来实在不 在很近的未来 马上就会把我们的记忆开远 感兴趣的朋友也可以先关注我们的Octop 后续我们的Octop Memory 也会随之在Tencent Cloud下面开远的 如果说以后再云服务器 部署了是不是只有国外的服务器 可以去调用GPT的模型呢 是的 调用GPT的模型 其实是取决于GPT 它本身可以在哪个地位调用 那如果在中国 或者在哪里 不能访问GPT 你就是调用不了 你只能在能调用GPT地域的服务器 然后去调用到GPT 对 问目前Optop采用默认Q-Lite 而不用PG是出于怎样的考虑呢 这各位粉丝朋友问得很好 其实我们现在也支持PG了 但是默认是Ciclite 一是可以支持用户一键安装完就可以使用 默认就是在本地创建一个Ciclite 这个服务就可以用了 然后也不是说需要用户去建一个PG配置 那如果有高端用户 如果想做分布式 想用PG 我们其实也是完全可以支持PG 对这个能力我们现在已经支持了 对,那其实今天记忆讲的其实就是这么多了 那如果大家还有后续问题可以一是在我们的GitHub主页上给我们提问 二是进入我们的用户群,然后提问 这个直播的下半场其实要有请我们杨纸给大家做一些实力的介绍 好的,大家好,我叫杨纸 那我来和大家分享一下我们的多专家多Agent的病情,如何来重复我们的进行 我想问问您有没有在比如说CodeBody或者是WorkBody里面使用过多Agent多专家 想教教我们是不是有经常去使用 那我先说确实 比如让WorkBody帮我做某一个PT的时候 他其实自己先是会调用一下很多Agent去分别做一些小步骤的事情 最后再汇总 然后多专家我其实也有体验到 因为熟悉WorkBody的朋友应该知道可以在一个项目里增加很多专家 你就可以去调用这些专家的努力 对那么我们的 也是具备这么大的能力 包括像您如果在 QQ通道里面 我们可以支持家庭去聊 包括微信通道 如果以后开通了 我们会相信支持 然后还有一些用户 还在提问 有没有agent team的想法 对我们现在正在调研agent team 也是在不久之后 也会推出agent team 那么我就回到了正题 我们讲一讲我们的多次能题 我们的就刚和大家多聊了 觉得专家其实 确实用的挺多的 不管是Ethan Giorg之前 直播的育儿专家 包括现在我们大家 在用workbody 去做一些竞品类的 一个调研专家 那么我们今天就会给大家来实战演练一下 我想想你你可能是不还是会经常遇见老板会给你 下发一个很艰巨的任务 叫你去完成呢 是的 对其实像我们同事之间也会有经常像 包括我们在研究这种比较新的产品也会需要调研很多东西 对的 像有一个传统像OpenCloud 他只支持就是说你在一个亲户里面 可能只是单个agent在那里给你调研究 其实它非常慢 现在我们在ACE 假如我的一个老板下午要求我 去调研一下想必大家都在喝茶饮 比如说洗茶耐血 比如说帮忙茶几 老板会比较关心里面的产品 竞品如何调研价格产品营销 往往你期间的OpenCloud可能是单A进程 它的调研会非常慢 那么我们的Octop显然是领先于它的 我们的很多进程可以帮助大家很快的调研跟它报告 我现在给大家展示一下 比如说老板要求我完成这个 传统的做法就是三个牌子 挨一个的时候整理一个晚上 然后每个A进程之间还不太交互的通 我们在我们的Octop里面 首先我们有非常多的类似的一个专家 也有一些专家市场 我们是对接的Token Hub的专家市场 有电商的金融的内容的 如果大家有喜欢的 就从这点击一下 来从市场创建 这就可以创建我们的网闻小说创作家 那这个配置专家的过程还是很方便的 对对对的 如果大家默认 为了防止大家经常从专家市场下比较慢 所以我们还有类似专家 业的专家下载后会类似到这里面 比如说我之前装了竞品分析专家 那我们今天就用剂米分加来实战演练一下 那么就讲解题 我看有粉丝朋友问Octop记忆模块代码是独立解藕的 还是与其他意见组件存在编译期以外 是完全独立解藕的 刚刚其实这个记忆模块也可以跟 现在是支持跟Otom Cloud 跟Hermas都一起用 我们后续会推出完整的教程 对 那我们去玩一个很好玩的一个东西 英宁 你吃豆河佬吗 我吃 那那个像佼佼们到底豆河佬喜欢吃甜的 还是喜欢吃咸的 或者是川芸人喜欢吃辣的 我肯定是坚定的吃咸的 豆腐脑的这一派 我肯定占咸 大家有吃甜的吗 大家豆腐脑有吃甜的吗 我其实是吃甜的 不好意思 我们三个人吃三种口味 我们三个人刚好吃三种口味 对 那我们来让我们的美食专家来评判一下 我们这有一个营养规划专家 豆腐脑也是要有营养的 我们来问问他 是的 我们现在是在等 竞品分析专家在给我们做调研 在等待他做调研的过程中 我们来做一个多agent的博弈 这样子的一个演示 给大家更加实战地去看一下 Oxop他的多agent之间 如何去思考 如何去博弈 那么我们也是以这个豆腐脑为例 我们来看一下这个agent 如何做裁决 已经结束了 我们可以看到 刚才他其实是调用了三个工具的 确实是分发了给不同的agent 然后下发了他的任务 你是一个辣打的专家 或者你穿越人 好 完整交换就来了 第一轮呢 我们的甜党先说了 就是甜味 像英宁肯定是非常喜欢吃甜的 它可能存在比较幸福的记忆 我就比较清楚 咸党可能说的是没有咸味 像一个焦焦比较喜欢吃咸的 比较沉稳的 像我当然就喜欢吃辣 小川水人必须吃火锅都必须吃辣 他们就开始第二轮的相互攻击了 那么甜党就开始调侃了一个咸党 说它单调 辣的确实伤胃味 现在是比较优雅的 攻势还比较强硬 那么咸党又直接了一个甜党的比较幼稚 它有一个非常频繁的一个金句 就叫做辣味上头舌头直接化工 这和做机会有小区别 说明参与人其实不太想救美食的 这种口感可能还是比较喜欢辣味 就盖过了全味 辣就开始反进来嘲讽我们的田党说 田党农院活化在童话世界 因为田田的甜妹 田党农院是配角 也是比较精彩的一个博弈 我们看主义镜党的台办 他可能读取了我的记忆 他觉得可能是辣的显身 首先是辣味他可能带来了记忆点 甜和咸都太日常了 但是说句公道话 我觉得其实豆腐老师甜的也挺好吃的 包括吃咸的 开始端水 那我们Octop那是没有杨之会端水是吧 他还真的评出辣当品生 我看专幕也说了 要吃就要吃两碗 要先吃甜的再吃咸的 说明我们的用户 不一定非得吃某一个口味的 其实我们也可以再看一下我们这个博弈的过程 杨之也可以帮我们再讲解 那这个过程其实我们是主动调用了几个agent 是如何进行博弈 哪一个agent来进行裁决的呢 那在这里我们有一个主Agent 因为子Agent和主Agent 大概有这么一个概念 子Agent它是一个现存的概念 它用完之后它就消失了 它会和其他的Agent去对话 所以它必须要把他收到的任务的答案 交还给主Agent 所以到这我们是一个主从事的结构 所以必须要让主Agent 首先它是要定制赛事并且派单 三个党会有一个逆论 每个党觉得甜的好吃 咸的好吃还是辣的好吃 通过主意境的去传递三方的论断了 又开始Round the 2了 三党又不相对 最后综合全场出裁写处 然后就在车上在这里 他们分别完成后互相看不见 在后面的户对环节开始通过主要进展 传递给大家每个党派的一个反驳的意见 最后主要进行裁判 该觉得哪个比较好 那这里是不是其实平时我们在做调研任务 或者我们比如有个家长想帮小朋友 看看怎么去收集一些作文素材 是不是其实也可以 是给我们Octop分发一个任务 让一个子agent去收集关于历史的素材 另一个子agent去收集关于感动故事 另一个子agent去收集关局名言名言 是不是也是一样的道理 我觉得这个场景非常好 因为像我们可能观看的观众里面 有一些家长朋友们也比较关心这个问题 那么我要来回答一下大家的这个问题 像比如说在TOP里面 比如说我们的有很多的子agent 在我们的有一些学术的子agent 比如像英琳刚刚说的 我们有地理专家 父母觉得如果地理孩子定性的不好 那么可以叫他做一份地理的PDF报告 交付款给答应出来给我们的一个小朋友 就跟他们去阅读 我们等于TOP之前是非常支持的 包括我看我们刚刚的调研报告也是很顺利的出来了 你看包括我们在这里是很交付了一个PDF文件 MD文件到时候可以转化为PDF 像用户朋友们就可以在这里去下载到本地之后就可以使用 我相信家长朋友们可能还是比较喜欢给孩子分发中研 也应该比较喜欢这个功能 那话不多说了 我们就看看这个调研报告它竟然都做出来了 那我们先看报告之前 其实我想问那杨泽你最喜欢的奶茶是什么牌子 我其实比较喜欢爆炎茶几 那焦焦 我其实想喜欢喜茶多一点 好吧那没有人是点门 我就是一点点大头 虽然一点点不在这 一点点很老 但我就是坚定的点门人 好那我们继续看这个新品牌茶饮三巨头的调研报告吧 然后我放大一下 供大家可以很好的查看 好应该是大概调研报告 因为我们这有一些折地功能 大家如果想这样看就非常方便 也可以这样看 也支持斜着看 我们都非常支持的 比如说像现在右半边 右半边看了 或者是下面看 我们都非常支持 那么显然就为了放中间 让大家看得比较清楚 这是不是就是三折叠 怎么这么多有边 对的对的 放大一点 让大家都比较都很好的看清楚 像我们的一个G2报告 已经茶饮你的老板给你派火了 你就很快的出来 首先它生成了行业的总染 比如说茶饮现在可能进入一个 纯粮博弈 可能现在进入比较激烈了 那它也调研了 像密血冰城 它也不止调研这三个 像密血冰城比较便宜的 也有人喜欢的 薄牙绝权 帮忙查记忆的一个产品 如果稍微贵点的 可能大家可以去喝喜茶和赖雪 但是对我来说 可能帮忙查记忆到价格适中的 包括它也非常 你可以看到Octob 它是比较了三个的一个创立时间 包括它一个高端定位 喜茶的是高端定位 赖雪的茶号称星巴克 我想问一下杨直 我们的Octob在搜索到 这些信息的时候 是它主动去有搜索到 准确的一些信息源吗 就这些最新的数据 当然的 那Octop它的整个呢 它是抓取的是我们最新的一个数据 如果这个数据没有了 它会去查另外的也很多的一个数据 包括一些非常非常实时的一些网站 都可以很好的查询到 那评论区的大家可以放心 我们Octop做出来的调研分析呢 数据是绝对准确的 大家可以放心使用 对包括我们Octop 其实也有一个自建的搜索引擎 所以大家可能在用 OpenCloud和Hermes的时候 其实有偶尔感受到 如果不自己去配那种付费搜索引擎 或者配那种专门的search key 它的搜索功能或许有些许缺陷 但是我们Octop其实内置了一个专业的搜索引擎 所以大家可以放心用我们Octop做调研 还有我想给大家说的 可能有些用户没有拒绝的 AI只能把你生成 你不能改 我和Top现在我们是可以直接在里面修改 他给你说了交付的是管理层 你显然老板不希望看到这个 因为你不能呼噜 然后你可以把它删掉 然后保存下来 你就可以把这个发给你老板 也是为了我们也很多 提供了像类似于 WorkerBody的一个能力了 然后我们以为来 还会逐步的去完善优化 这个编辑能力还挺好用的 这样的话 就可以实时的和AI进行交互和修改 是的 那我们要不继续给大家展示一下 我们Octob做出来的调研报告 剩下还包含哪一些部分 刚刚我们有看到 它其实有很全面的这个行业总览 以及三巨头的核心的对比维度 我们可以 你老板如果没有关心 还有价格一些策略深度对比 包括我们的一个产品矩正 像喜茶它主打的可能是一个水果茶 水果茶比较好喝 我上班学的茶可能就是一个 现烤烘焙的一个鲜果茶 纯茶 像花王茶间可能就是一个鲜奶茶的 因为完全挺好喝的 看来Octop真的调研的很全面 还有营销策略的深度对比 对甚至杨植宁给他的prompt 比较直接紧的去做 因为我们为什么要这么做 一方面是加快我们的数 另外一方面如果调研喜茶的时候 像英年 如果我们还去调研一下耐学的查 说实话它的回复质量可能是比较低的 所以说我们为什么要引入多一个来 更好地形成一个调研报纳 所以分别一个agent调研写查 一个agent调研报纳查机 还有一个agent在调研 耐学的最后再医 对你把整个的一个调研追过来 agent做完调研之后是由主agent来做 最后的一个整合和报告的撰写吗 对的交交问的很对 我们简单回复一下 我们现在应该来说要支持有两种概念 一种是我们的贼警的 它是一个如果是变成朋友们比较熟悉 它是一个现成的概念 它用了一次之后就会消失 所以它一定要成为主意警的它的一个答案 未来朋友们比较放心的我们是回复答案能不能长久保存 它有一个思路我们未来会推出agent的team 又和我们的每个专家我们的Octop 像刚刚也有些影视专家等等那些专家 它里面的一个东西都会存在里面 所以那个是一个进程的概念 未来大家可以多多关注我们的Octop 我们未来会及时的推出agent的team 帮助大家更好的 适应这种 不论是那种工作 还是我们刚刚一年说的 这种宝爸宝妈们 要给孩子做作业 当然我们的agent team 都会保存一些记忆 欢迎大家继续关注 那我们这个 让他做竞品调研 我们就只需要 给他布置一个复杂的任务 他自己就会去衡量和思考 应该把什么任务分配给谁 需要去有多少个agent 支持这个任务吗 好 我们可以简单 回顾一下我们的用户 是不是有个竞品调研专家他是有这些能力的 对的我们是有一个竞品调研专家 像我们的专家里面他都会有这个能力 像我们的有很多专家是像我们的Z-Gent里面 因为我们的我们的决策也是说了 我们未来是可以不需要用户在这里面去安装 也许他可以自动路由到一个你所需要的A-Gent 因为我们也和那些客户在哪 可能用的时候就说你只需要需要 他自动可以帮你创造的未来 我们就会不仅你是从这去下载 还是你在用户窗口就可以直接和他对话 未来都会支持这种能力 我们目前已经内置了 精品分析的这个专家 因此我们用户只需要调用这个专家 然后去给他输入非常简单的 调研的指令 然后他就会自动去帮我们 去分配贼agent 还有怎么分配任务 就会自动帮我们一键输出报告了 是的 并且未来还就算不让大家去安装 因为大家还要找 让我们未来我们的 只要是一个agent 他自己可以去激活了一些贼agent的 也可以激活了一些专家 我看到我们粉丝朋友 如果生成结构化文档 前一张的输出是后一张的输入适合多Agent吗 那其实这里有非常多一种情况 其实是如果端木你是想 比如你想生成一篇文档 那比如先生成了第一段 再生成了第二段 第一段是第二段的输入 那其实第二段的生成必须要第一段已经生成了 其实多agent是适合这种并行的任务的 那个像我们的多agent 它现在的一个agent的一个输入大概是一个文本 但是它可以生成像一个pdf文件 或者像端末说的一个结构化的文档 那么它端末的问题应该是在生成这个节目化文档之后 这一个输入是否可以被后一个比如说agent然后给接收 那么我们现在的回复就是 如果是紫agent之间它是一个现成的关系 它是不能够吸收这种结构化文本 它只能接受文本的一个输入 但是我们的主A进程 可以把它的一个子A进程 做出来的PDF Markdown文件要保存下来 让主A进程读后交给子A进程 这是我们的Octop的一个特色了 我们也是支持这种 多结构和文本 从一个输入后 下一个输出也肯定是支持的 还有一位粉丝朋友问 第一老用户 迁移到Octop后 原有记忆是否需要重新做GIMA转换 是这样的 在原有来靠ACE的记忆 其实大家知道 就是只有memory文件夹下的所有md文档 以及memory.md是记忆的所有真相员 你做迁移可以一起迁移过来 我们现在记忆一遍 那memory.md是可以全量读得到的 那关于其他的一些结构化文档 我们也会推出一个支持的记忆格式转换 我看粉丝朋友问 好像不能多用户多智能力 以共同协作 对的 因为我们现在的一个思路是 每个用户和每个用户之间是隔离的 所以用户和用户之间是不能够进行一个协作的 但是如果你有需求 我觉得是不是未来一向英雄我们是不是可以 对看这位粉丝朋友的具体需求 我理解单用户你的多智能体是可以共同协作的 我们继续讲解 看大家对刚刚的竞品分析的演示有没有什么问题 我刚刚看到我们的October也是用一条简单的指令 立刻产出了一份比较完善角度 也比较齐全的竞品分析调研报告了 对 是的 看一下大家有什么问题没有 大家提问 那大家有没有什么想了解的场景 也可以现在在评论区打出来 或者是加入用户群里和我们一起探讨一下 收费不以后 我看有用户提问了 我们不收费 我们代码现在都开源的 我们未来也会在轻量云服务器的控制台上上镜像 对我们没有收费 对买一台服务器 包括你现在自己也可以去安装 安装方式可以去GitHub 看我们的ReadMe 未来我们也会在 腾讯社区里 推出更方便的 安装方式教学 对 好像我们的Optop了吗 还算不算便宜的 我们会想欢迎大家 来我们的Lighthouse里面来买 因为你买了一个后 那你可以是全家 全家都用 是的 有一个问题 假如说未来我们在 服务器上上了镜像之后 我们的多用户功能 也就是相当于 只要管理员 买了一台服务器 有一台Optop之后 我所设置的多用户 他们就不用再买了对吗 对的 一台服气的Octob 就能够多用户使用 我看到粉丝朋友问 上了镜像 到时候可以把Hermes镜像 换成Octob吗 可以 其实换镜像 就是一个实力重装 是关于服气的操作 其实都可以随时做的 我看还有黄医生问 ACE转移 包括记忆聊天记录 Skill这些无损切换到Octob E和Skill 包括你通道配置 那些配置现在都是无损切换 但是聊天介络 现在的迁移工具还不支持 对如果有强烈需求的话 可以在用户群里讨论 未来可能看看升级迁移工具 或以其他方式支持 什么时候上了清亮云 很快了 我们进上工作还差最后的适配 最迟其实近两周就能上 对欢迎到周公开 是的 那我们两位研发工程师 关于October未来的一个产品规划 以及一些会上的功能能力 也可以简单的给大家剧透一下 大家可以期待一下 同时大家如果有什么想要上的功能 或者说上线的功能 也可以在评论区里面交流一下 那么也有请两位简单介绍一下 那由我先来简单的说说我们的一个初步打算 我们下一段的目标主要是 正在服务于大家的一个 从我们ACE前一到我们的TOP里面 我们在支持这种工序的升级 这之外我们还在积极地调远Agent Team的一个使用方式 以及未来的Octobre在我们的一个QQ群鸟里面 它怎么样服务好我们的整个一个家庭用户场景 怎么去把一个Agent服务多个用户的这种能力给发挥出来 包括我们也来积极地探索 像使用这种杀香的机制 像每位用户也可以一个家庭有一个Agent 像我确实也听到过像用户提问 比如说他希望他看到的东西 他的孩子和他的老婆都能够使用 包括特别是在QQ里面 未来我们的也会支持 像我们的群鸟 Agent的切能 我们会做一个类似于杀箱的机制 来支持这种东西 因为据我所知 现在还是没有一个Agent能够做的很好 包括Hammus也好 跟Clau也好 未来的Octobre 会把这个作为一个 我们的相对的一个竞争优势去完善长 是的 期待 希望能够加上类似于 OakBody项目的模式 应酶 我觉得其实我们也可以尝试 去往这方面去做一做 可以回去探讨一下 对 也欢迎黄众 现在就在我们的GitHub里面 机器给我们提issue 我们看到你的issue 也会把它作为一个 我们可以未来的发展方向 也欢迎您来给我们做做共同 做pr 因为我们这是开云的 也可以服务一下您的一个用户场景 单个用户的记忆数据 达到百万级 Octop怎么保证解锁能力 对这个我可以回答一下 刚刚其实讲到了 Octop现在的记忆层级 那其实首先我们会去 检索所谓的原子卡片 那其实如果对话数量达到百万级 我们理解 其实近身的原子卡片数量 并没有这么多 对那一我们是先召回原子卡片 然后分层检索 我理解其实我们就是先召回原子卡片 然后再从候选者最后再召回到原始事件 其实这是一个分层的检索forback 后续我们也其实会推出记忆接上向量的模式 如果是ACE老用户的话 可以知道现在ACE其实默认有一个向量模型机制 但是在Octop因为我们要做组件拆分 我们其实默认是FTS加BM25 但后续如果有更重的记忆需求 我们其实也在计划推出Octop Memory 配置项料模型 以及自己的项料数据库 可以欢迎后续期待一下 微信渠道可以多往上下 尽量做到QQ渠道的程度 关于这个问题我来回复一下 因为是我在GDF的 像微信渠道我们在积极的和微信里面 进行一个沟通 因为目前是它里面包括一些多艺景特能 包括它一些主动推送的一些限度 导致它没有办法像QQ通道做的这么全 那么等待微信通道里边 我相信他们也会很快更新 然后我们也会适时的去更新连带我们的微信通道 以及帮靠达更好的支持活动 对 我看那种说希望能提供SSO集成方案 支持企业部署成内部知识记忆中枢 好的 下来我们去探讨一下争取 不管是参观我们代码也好 还是给我们STAR或者提提提提提提提提 也欢迎加入我们的用户群 跟我们的研发和产品同学 做积极的交流 有意见或者有建议 都可以在里面跟我们提出来 是的那么本场之外 其实我们围绕Octop的技艺机制 以及竞品分析这个专家的能力 如何帮助我们去做日常调研 分析的工作 帮助我们提校 都进行了一个详细的讲 如果说云服务器一键 不需要建议多大的配置 这个因为我们现在 Octop支持多用户 其实多大配置取决于 这个用户箱就是这个机器或者Octop 支持多少个用户 我们后续也会出一个专门的配置推荐 来帮助大家选购服务器 全全老师这边说是100个员工左右的规模 好的 那我们推荐我们另外一款产品 Club Pro的 全全老师不知道有没有关注过Club Pro 可以去关注一下 当然如果非常想用我们Octop 我们后续也会给一个推荐 Emma问可以部署到本地吗 可以的可以的 Emma可以直接访问我们的DHub仓库 Vidmin有完整的部署的一个介绍 我们今天的直播就到这里结束了 好的 拜拜