智能体 (Agent)
智能体 (Agent) 是包含记忆，工具，人格的 LLM 系统。当前版本的预设选项是 basic_memory_agent。
智能体 (Agent) 相关的设置在 conf.yaml 的 agent_config 下面，你可以透过修改 conversation_agent_choice 来修改与你对话的智能体。
目前，这个项目中有以下的智能体实现:
- Basic Memory Agent 基础记忆智能体
- HumeAI Agent (EVI)
Basic Memory Agent
Basic Memory Agent 是项目的预设，具有短期记忆，对话记录储存/切换等能力。
basic_memory_agent:
# 基础 AI 代理，没什么特别的。
# 从 llm_config 中选择一个 llm 提供商
# 并在相应的字段中设置所需的参数
# 例如：
# "openai_compatible_llm", "llama_cpp_llm", "claude_llm", "ollama_llm"
# "openai_llm", "gemini_llm", "zhipu_llm", "deepseek_llm", "groq_llm"
llm_provider: "openai_compatible_llm" # 使用的 LLM 方案
# 是否在第一句回应时遇上逗号就直接生成音频以减少首句延迟（默认：True）
faster_first_response: True
你可以通过修改 llm_provider 来切换不同的大语言模型后端。每个大语言模型的具体配置项（如模型选择、API Key 等）都位于 llm_configs 配置块下。
如需了解各个大语言模型的详细配置说明，请参考 大语言模型配置。
HumeAI Agent (EVI)
介绍
Hume AI 的 EVI (Empathic Voice Interface) 是世界上第一个具有情感智能的语音 AI 接口。
它能够测量语音中的细微变化并通过共情大语言模型(eLLM)做出响应，该模型可以指导语言和语音生成。它在数百万人类互动的基础上进行训练，将语言建模和文本转语音与更好的情商(EQ)、韵律、轮次结束检测、 可中断性和对齐结合在一起。
新用户有 20 美元的无需绑卡的免费额度，注册与获取 API 在大陆内地需要代理。
为了确保系统架构的一致性和兼容性，在使用 EVI 时仍需配置 ASR 将语音转录为文本后再进行处理。这个选择让 EVI 能够无缝集成到现有的 conversation_chain 流程中，但同时也意味着无法充分使用 EVI 独特的音频情绪分析功能。
我们计划在未来实现一个新的架构，以完整支持像 EVI 这样具备打断检测、ASR、TTS、摄像头等实时交互功能的 API。欢迎各位开发者参与贡献。
EVI 的对话记忆存储在其服务器端，这意味着它无法访问其他 Agent 的聊天历史记录，只能管理和切换其自身的对话历史。
配置说明
在 conf.yaml 中配置 HumeAI Agent:
agent_config:
conversation_agent_choice: "hume_ai_agent"
agent_settings:
hume_ai_agent:
api_key: "your_api_key" # Hume AI API 密钥，
config_id: "your_config_id" # 可选，用于指定特定的 Hume AI 配置。
host: "api.hume.ai" # HumeAI 提供的 API 地址，无需修改。
idle_timeout: 15 # 处于空闲状态多少秒，自动断开与 HumeAI 的链接。
你可以在 API keys page 获取 api_key。
关于 config_id 和其他配置的详细说明，请参考 Configuring EVI。
EVI 的 LLM 选择和 Prompt 需要在 config_id 对应的配置中进行设置，在 persona_prompt 设置的 Prompt 对 EVI 无效。
由于 EVI 在 WebSocket 空闲状态下仍会持续计费，建议不要将 idle_timeout 设置过大。但同时也要注意，如果 idle_timeout 设置过小，会导致频繁断开重连，从而增加响应延迟。因此需要根据实际使用情况，合理设置这个参数。
常见问题
Mem0 Agent（实验性）
简介
Mem0 是一个实验性的长期记忆解决方案。虽然目前仍在开发中，且可能不太适合本项目的使用场景，但我们仍将其代码保留以供参考。
优点
- 相比 MemGPT 配置更简单
- 处理速度比 MemGPT 快（但仍然需要消耗较多的 LLM tokens）
局限性
- 仅能记住用户的偏好和想法，无法记住 LLM 的回复内容
- 记忆存储的触发机制不稳定
- 存在记忆错误的可能
- 需要具备优秀函数调用能力的 LLM，这对于较小的模型来说比较困难
由于以上局限性，我们目前不推荐在生产环境中使用 Mem0 智能体。