# Rememberizer LLM 准备文档 *生成于 2024-11-28 19:06:42 PST。可在* [*rememberizer-llm-ready-documentation.md*](https://raw.githubusercontent.com/skydeckai/rememberizer-webflow/refs/heads/docs/rememberizer-llm-ready-documentation.md) *获取原始内容。* 本文档提供了 Rememberizer 文档的全面、综合参考，优化了大型语言模型 (LLM) 的使用。它将各种文档来源整合为一个易于访问的格式，便于 AI 系统高效地检索和处理信息。 ``` ==> SUMMARY.md <== # 目录 * [为什么选择 Rememberizer？](README.md) * [背景](background/README.md) * [什么是向量嵌入和向量数据库？](background/what-are-vector-embeddings-and-vector-databases.md) * [个人](personal/README.md) * [Rememberizer Slack 集成](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 集成](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 集成](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 集成](personal/rememberizer-gmail-integration.md) * [Rememberizer Memory 集成](personal/rememberizer-memory-integration.md) * [Rememberizer 应用](personal/rememberizer-app.md) * [纪念品过滤访问](personal/mementos-filter-access.md) * [管理第三方应用](personal/manage-third-party-apps.md) * [常见知识](personal/common-knowledge.md) * [搜索你的知识](personal/search-your-knowledge.md) * [管理你的嵌入知识](personal/manage-your-embedded-knowledge.md) * [开发者](developer/README.md) * [注册 Rememberizer 应用](developer/registering-rememberizer-apps.md) * [授权 Rememberizer 应用](developer/authorizing-rememberizer-apps.md) * [创建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 示例 Web 应用](developer/talk-to-slack-the-sample-web-app.md) * [注册和使用 API 密钥](developer/registering-and-using-api-keys.md) * [LangChain 集成](developer/langchain-integration.md) * [向量存储](developer/vector-stores.md) * [API 文档](developer/api-documentations/README.md) * [将内容记忆到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [检索文档](developer/api-documentations/retrieve-documents.md) * [检索文档内容](developer/api-documentations/retrieve-document-contents.md) * [检索 Slack 的内容](developer/api-documentations/retrieve-slacks-content.md) * [按语义相似性搜索文档](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的数据源集成](developer/api-documentations/list-available-data-source-integrations.md) * [检索当前用户的账户详情](developer/api-documentations/retrieve-current-users-account-details.md) * [获取所有添加的公共知识](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存储 API](developer/api-documentations/vector-store/README.md) * [获取向量存储的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [获取向量存储中的文档列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [获取文档的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [向向量存储添加新文本文档](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [向向量存储上传文件](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存储中文件的内容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存储中删除文档](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按语义相似性搜索向量存储文档](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用条款](notices/terms-of-use.md) * [隐私政策](notices/privacy-policy.md) * [版本发布](notices/releases/README.md) * [2024年11月29日](notices/releases/nov-29th-2024.md) * [2024年11月22日](notices/releases/nov-22nd-2024.md) * [2024年11月15日](notices/releases/nov-15th-2024.md) * [2024年11月8日](notices/releases/nov-8th-2024.md) * [2024年11月1日](notices/releases/nov-1st-2024.md) * [2024年10月25日](notices/releases/oct-25th-2024.md) * [2024年10月18日](notices/releases/oct-18th-2024.md) * [2024年10月11日](notices/releases/oct-11th-2024.md) * [2024年10月4日](notices/releases/oct-4th-2024.md) * [2024年9月27日](notices/releases/sep-27th-2024.md) * [2024年9月20日](notices/releases/sep-20th-2024.md) * [2024年9月13日](notices/releases/sep-13th-2024.md) * [2024年8月16日](notices/releases/aug-16th-2024.md) * [2024年8月9日](notices/releases/aug-9th-2024.md) * [2024年8月2日](notices/releases/aug-2nd-2024.md) * [2024年7月26日](notices/releases/jul-26th-2024.md) * [2024年7月12日](notices/releases/jul-12th-2024.md) * [2024年6月28日](notices/releases/jun-28th-2024.md) * [2024年6月14日](notices/releases/jun-14th-2024.md) * [2024年5月31日](notices/releases/may-31st-2024.md) * [2024年5月17日](notices/releases/may-17th-2024.md) * [2024年5月10日](notices/releases/may-10th-2024.md) * [2024年4月26日](notices/releases/apr-26th-2024.md) * [2024年4月19日](notices/releases/apr-19th-2024.md) * [2024年4月12日](notices/releases/apr-12th-2024.md) * [2024年4月5日](notices/releases/apr-5th-2024.md) * [2024年3月25日](notices/releases/mar-25th-2024.md) * [2024年3月18日](notices/releases/mar-18th-2024.md) * [2024年3月11日](notices/releases/mar-11th-2024.md) * [2024年3月4日](notices/releases/mar-4th-2024.md) * [2024年2月26日](notices/releases/feb-26th-2024.md) * [2024年2月19日](notices/releases/feb-19th-2024.md) * [2024年2月12日](notices/releases/feb-12th-2024.md) * [2024年2月5日](notices/releases/feb-5th-2024.md) * [2024年1月29日](notices/releases/jan-29th-2024.md) * [2024年1月22日](notices/releases/jan-22nd-2024.md) * [2024年1月15日](notices/releases/jan-15th-2024.md) * [B2B](notices/b2b/README.md) * [关于 Reddit Agent](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 准备文档](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介绍 --- # 为什么选择 Rememberizer？ 生成性人工智能应用在获取背景信息时表现更好。它们需要知道你知道什么。实现这一目标的一个好方法是让它们访问你创建和使用的文档、数据和讨论中的相关内容。这就是 Rememberizer 的作用。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 准备文档 *生成于 2024-11-21 19:06:17 PST。可在 [rememberizer-llm-ready-documentation.md](https://raw.githubusercontent.com/skydeckai/rememberizer-webflow/refs/heads/docs/rememberizer-llm-ready-documentation.md) 获取原始内容。* 本文档提供了 Rememberizer 文档的全面、综合参考，优化用于大型语言模型（LLM）消费。它将各种文档来源整合为一个易于访问的格式，便于 AI 系统高效的信息检索和处理。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目录 * [为什么选择 Rememberizer？](README.md) * [背景](background/README.md) * [什么是向量嵌入和向量数据库？](background/what-are-vector-embeddings-and-vector-databases.md) * [个人](personal/README.md) * [Rememberizer Slack 集成](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 集成](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 集成](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 集成](personal/rememberizer-gmail-integration.md) * [Rememberizer Memory 集成](personal/rememberizer-memory-integration.md) * [Rememberizer 应用](personal/rememberizer-app.md) * [纪念品过滤访问](personal/mementos-filter-access.md) * [管理第三方应用](personal/manage-third-party-apps.md) * [常见知识](personal/common-knowledge.md) * [搜索你的知识](personal/search-your-knowledge.md) * [管理你的嵌入知识](personal/manage-your-embedded-knowledge.md) * [开发者](developer/README.md) * [注册 Rememberizer 应用](developer/registering-rememberizer-apps.md) * [授权 Rememberizer 应用](developer/authorizing-rememberizer-apps.md) * [创建一个 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 示例 Web 应用](developer/talk-to-slack-the-sample-web-app.md) * [注册和使用 API 密钥](developer/registering-and-using-api-keys.md) * [LangChain 集成](developer/langchain-integration.md) * [向量存储](developer/vector-stores.md) * [API 文档](developer/api-documentations/README.md) * [将内容记忆到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [检索文档](developer/api-documentations/retrieve-documents.md) * [检索文档内容](developer/api-documentations/retrieve-document-contents.md) * [检索 Slack 的内容](developer/api-documentations/retrieve-slacks-content.md) * [按语义相似性搜索文档](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的数据源集成](developer/api-documentations/list-available-data-source-integrations.md) * [检索当前用户的账户详情](developer/api-documentations/retrieve-current-users-account-details.md) * [获取所有添加的公共知识](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存储 API](developer/api-documentations/vector-store/README.md) * [获取向量存储的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [获取向量存储中的文档列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [获取文档的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [向向量存储添加新文本文档](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [将文件上传到向量存储](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存储中文件的内容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存储中删除文档](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按语义相似性搜索向量存储文档](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用条款](notices/terms-of-use.md) * [隐私政策](notices/privacy-policy.md) * [版本发布](notices/releases/README.md) * [2024年11月22日](notices/releases/nov-22nd-2024.md) * [2024年11月15日](notices/releases/nov-15th-2024.md) * [2024年11月8日](notices/releases/nov-8th-2024.md) * [2024年11月1日](notices/releases/nov-1st-2024.md) * [2024年10月25日](notices/releases/oct-25th-2024.md) * [2024年10月18日](notices/releases/oct-18th-2024.md) * [2024年10月11日](notices/releases/oct-11th-2024.md) * [2024年10月4日](notices/releases/oct-4th-2024.md) * [2024年9月27日](notices/releases/sep-27th-2024.md) * [2024年9月20日](notices/releases/sep-20th-2024.md) * [2024年9月13日](notices/releases/sep-13th-2024.md) * [2024年8月16日](notices/releases/aug-16th-2024.md) * [2024年8月9日](notices/releases/aug-9th-2024.md) * [2024年8月2日](notices/releases/aug-2nd-2024.md) * [2024年7月26日](notices/releases/jul-26th-2024.md) * [2024年7月12日](notices/releases/jul-12th-2024.md) * [2024年6月28日](notices/releases/jun-28th-2024.md) * [2024年6月14日](notices/releases/jun-14th-2024.md) * [2024年5月31日](notices/releases/may-31st-2024.md) * [2024年5月17日](notices/releases/may-17th-2024.md) * [2024年5月10日](notices/releases/may-10th-2024.md) * [2024年4月26日](notices/releases/apr-26th-2024.md) * [2024年4月19日](notices/releases/apr-19th-2024.md) * [2024年4月12日](notices/releases/apr-12th-2024.md) * [2024年4月5日](notices/releases/apr-5th-2024.md) * [2024年3月25日](notices/releases/mar-25th-2024.md) * [2024年3月18日](notices/releases/mar-18th-2024.md) * [2024年3月11日](notices/releases/mar-11th-2024.md) * [2024年3月4日](notices/releases/mar-4th-2024.md) * [2024年2月26日](notices/releases/feb-26th-2024.md) * [2024年2月19日](notices/releases/feb-19th-2024.md) * [2024年2月12日](notices/releases/feb-12th-2024.md) * [2024年2月5日](notices/releases/feb-5th-2024.md) * [2024年1月29日](notices/releases/jan-29th-2024.md) * [2024年1月22日](notices/releases/jan-22nd-2024.md) * [2024年1月15日](notices/releases/jan-15th-2024.md) * [B2B](notices/b2b/README.md) * [关于 Reddit Agent](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 准备文档](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介绍 --- # 为什么选择 Rememberizer？ 生成性人工智能应用在获取背景信息时表现更好。它们需要知道你知道什么。实现这一目标的一个好方法是让它们访问你创建和使用的文档、数据和讨论中的相关内容。这就是 Rememberizer 的作用。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 准备文档 *生成于 2024-11-14 19:05:59 PST。可在 [rememberizer-llm-ready-documentation.md](https://raw.githubusercontent.com/skydeckai/rememberizer-webflow/refs/heads/docs/rememberizer-llm-ready-documentation.md) 以原始内容获取。* 本文档提供了 Rememberizer 文档的全面、综合参考，针对大型语言模型（LLM）进行了优化。它将各种文档来源整合为一个易于访问的格式，便于 AI 系统高效地检索和处理信息。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目录 * [为什么选择 Rememberizer？](README.md) * [背景](background/README.md) * [什么是向量嵌入和向量数据库？](background/what-are-vector-embeddings-and-vector-databases.md) * [个人](personal/README.md) * [Rememberizer Slack 集成](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 集成](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 集成](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 集成](personal/rememberizer-gmail-integration.md) * [Rememberizer Memory 集成](personal/rememberizer-memory-integration.md) * [Rememberizer 应用](personal/rememberizer-app.md) * [纪念品过滤访问](personal/mementos-filter-access.md) * [管理第三方应用](personal/manage-third-party-apps.md) * [常见知识](personal/common-knowledge.md) * [搜索你的知识](personal/search-your-knowledge.md) * [管理你的嵌入知识](personal/manage-your-embedded-knowledge.md) * [开发者](developer/README.md) * [注册 Rememberizer 应用](developer/registering-rememberizer-apps.md) * [授权 Rememberizer 应用](developer/authorizing-rememberizer-apps.md) * [创建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 示例 Web 应用](developer/talk-to-slack-the-sample-web-app.md) * [注册和使用 API 密钥](developer/registering-and-using-api-keys.md) * [LangChain 集成](developer/langchain-integration.md) * [向量存储](developer/vector-stores.md) * [API 文档](developer/api-documentations/README.md) * [将内容记忆到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [检索文档](developer/api-documentations/retrieve-documents.md) * [检索文档内容](developer/api-documentations/retrieve-document-contents.md) * [检索 Slack 内容](developer/api-documentations/retrieve-slacks-content.md) * [按语义相似性搜索文档](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的数据源集成](developer/api-documentations/list-available-data-source-integrations.md) * [检索当前用户的账户详情](developer/api-documentations/retrieve-current-users-account-details.md) * [获取所有添加的公共知识](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存储 API](developer/api-documentations/vector-store/README.md) * [获取向量存储的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [获取向量存储中的文档列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [获取文档的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [向向量存储添加新文本文档](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [向向量存储上传文件](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存储中文件的内容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存储中删除文档](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按语义相似性搜索向量存储文档](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用条款](notices/terms-of-use.md) * [隐私政策](notices/privacy-policy.md) * [版本发布](notices/releases/README.md) * [2024年11月15日](notices/releases/nov-15th-2024.md) * [2024年11月8日](notices/releases/nov-8th-2024.md) * [2024年11月1日](notices/releases/nov-1st-2024.md) * [2024年10月25日](notices/releases/oct-25th-2024.md) * [2024年10月18日](notices/releases/oct-18th-2024.md) * [2024年10月11日](notices/releases/oct-11th-2024.md) * [2024年10月4日](notices/releases/oct-4th-2024.md) * [2024年9月27日](notices/releases/sep-27th-2024.md) * [2024年9月20日](notices/releases/sep-20th-2024.md) * [2024年9月13日](notices/releases/sep-13th-2024.md) * [2024年8月16日](notices/releases/aug-16th-2024.md) * [2024年8月9日](notices/releases/aug-9th-2024.md) * [2024年8月2日](notices/releases/aug-2nd-2024.md) * [2024年7月26日](notices/releases/jul-26th-2024.md) * [2024年7月12日](notices/releases/jul-12th-2024.md) * [2024年6月28日](notices/releases/jun-28th-2024.md) * [2024年6月14日](notices/releases/jun-14th-2024.md) * [2024年5月31日](notices/releases/may-31st-2024.md) * [2024年5月17日](notices/releases/may-17th-2024.md) * [2024年5月10日](notices/releases/may-10th-2024.md) * [2024年4月26日](notices/releases/apr-26th-2024.md) * [2024年4月19日](notices/releases/apr-19th-2024.md) * [2024年4月12日](notices/releases/apr-12th-2024.md) * [2024年4月5日](notices/releases/apr-5th-2024.md) * [2024年3月25日](notices/releases/mar-25th-2024.md) * [2024年3月18日](notices/releases/mar-18th-2024.md) * [2024年3月11日](notices/releases/mar-11th-2024.md) * [2024年3月4日](notices/releases/mar-4th-2024.md) * [2024年2月26日](notices/releases/feb-26th-2024.md) * [2024年2月19日](notices/releases/feb-19th-2024.md) * [2024年2月12日](notices/releases/feb-12th-2024.md) * [2024年2月5日](notices/releases/feb-5th-2024.md) * [2024年1月29日](notices/releases/jan-29th-2024.md) * [2024年1月22日](notices/releases/jan-22nd-2024.md) * [2024年1月15日](notices/releases/jan-15th-2024.md) * [B2B](notices/b2b/README.md) * [关于 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 准备文档](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介绍 --- # 为什么选择 Rememberizer？ 生成性人工智能应用在获取背景信息时表现更好。它们需要知道你知道什么。实现这一目标的一个好方法是让它们访问你创建和使用的文档、数据和讨论中的相关内容。这就是 Rememberizer 的作用。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 准备文档 *生成于 2024-10-31 20:41:45 PDT。可在 [rememberizer-llm-ready-documentation.md](https://raw.githubusercontent.com/skydeckai/rememberizer-webflow/refs/heads/docs/rememberizer-llm-ready-documentation.md) 获取原始内容。* 本文档提供了 Rememberizer 文档的全面、综合参考，优化用于大型语言模型 (LLM) 的使用。它将各种文档来源整合为一个易于访问的格式，便于 AI 系统高效的信息检索和处理。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目录 * [为什么选择 Rememberizer？](README.md) * [背景](background/README.md) * [什么是向量嵌入和向量数据库？](background/what-are-vector-embeddings-and-vector-databases.md) * [个人](personal/README.md) * [Rememberizer Slack 集成](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 集成](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 集成](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 集成](personal/rememberizer-gmail-integration.md) * [Rememberizer Memory 集成](personal/rememberizer-memory-integration.md) * [Rememberizer 应用](personal/rememberizer-app.md) * [纪念品过滤访问](personal/mementos-filter-access.md) * [管理第三方应用](personal/manage-third-party-apps.md) * [常见知识](personal/common-knowledge.md) * [搜索您的知识](personal/search-your-knowledge.md) * [管理您的嵌入知识](personal/manage-your-embedded-knowledge.md) * [开发者](developer/README.md) * [注册 Rememberizer 应用](developer/registering-rememberizer-apps.md) * [授权 Rememberizer 应用](developer/authorizing-rememberizer-apps.md) * [创建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 示例 Web 应用](developer/talk-to-slack-the-sample-web-app.md) * [注册和使用 API 密钥](developer/registering-and-using-api-keys.md) * [LangChain 集成](developer/langchain-integration.md) * [向量存储](developer/vector-stores.md) * [API 文档](developer/api-documentations/README.md) * [将内容记忆到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [检索文档](developer/api-documentations/retrieve-documents.md) * [检索文档内容](developer/api-documentations/retrieve-document-contents.md) * [检索 Slack 的内容](developer/api-documentations/retrieve-slacks-content.md) * [按语义相似性搜索文档](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的数据源集成](developer/api-documentations/list-available-data-source-integrations.md) * [检索当前用户的帐户详细信息](developer/api-documentations/retrieve-current-users-account-details.md) * [获取所有添加的公共知识](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存储 API](developer/api-documentations/vector-store/README.md) * [获取向量存储的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [获取向量存储中的文档列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [获取文档的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [向向量存储添加新文本文档](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [将文件上传到向量存储](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存储中文件的内容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存储中删除文档](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按语义相似性搜索向量存储文档](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用条款](notices/terms-of-use.md) * [隐私政策](notices/privacy-policy.md) * [版本发布](notices/releases/README.md) * [2024年11月1日](notices/releases/nov-1st-2024.md) * [2024年10月25日](notices/releases/oct-25th-2024.md) * [2024年10月18日](notices/releases/oct-18th-2024.md) * [2024年10月11日](notices/releases/oct-11th-2024.md) * [2024年10月4日](notices/releases/oct-4th-2024.md) * [2024年9月27日](notices/releases/sep-27th-2024.md) * [2024年9月20日](notices/releases/sep-20th-2024.md) * [2024年9月13日](notices/releases/sep-13th-2024.md) * [2024年8月16日](notices/releases/aug-16th-2024.md) * [2024年8月9日](notices/releases/aug-9th-2024.md) * [2024年8月2日](notices/releases/aug-2nd-2024.md) * [2024年7月26日](notices/releases/jul-26th-2024.md) * [2024年7月12日](notices/releases/jul-12th-2024.md) * [2024年6月28日](notices/releases/jun-28th-2024.md) * [2024年6月14日](notices/releases/jun-14th-2024.md) * [2024年5月31日](notices/releases/may-31st-2024.md) * [2024年5月17日](notices/releases/may-17th-2024.md) * [2024年5月10日](notices/releases/may-10th-2024.md) * [2024年4月26日](notices/releases/apr-26th-2024.md) * [2024年4月19日](notices/releases/apr-19th-2024.md) * [2024年4月12日](notices/releases/apr-12th-2024.md) * [2024年4月5日](notices/releases/apr-5th-2024.md) * [2024年3月25日](notices/releases/mar-25th-2024.md) * [2024年3月18日](notices/releases/mar-18th-2024.md) * [2024年3月11日](notices/releases/mar-11th-2024.md) * [2024年3月4日](notices/releases/mar-4th-2024.md) * [2024年2月26日](notices/releases/feb-26th-2024.md) * [2024年2月19日](notices/releases/feb-19th-2024.md) * [2024年2月12日](notices/releases/feb-12th-2024.md) * [2024年2月5日](notices/releases/feb-5th-2024.md) * [2024年1月29日](notices/releases/jan-29th-2024.md) * [2024年1月22日](notices/releases/jan-22nd-2024.md) * [2024年1月15日](notices/releases/jan-15th-2024.md) * [B2B](notices/b2b/README.md) * [关于 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 准备文档](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介绍 --- # 为什么选择 Rememberizer？ 生成式 AI 应用在获取背景信息时表现更佳。它们需要了解你所知道的内容。实现这一目标的一个好方法是让它们访问你创建和使用的文档、数据和讨论中的相关内容。这正是 Rememberizer 所做的。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 为什么 Rememberizer 不仅仅是一个数据库或关键字搜索引擎。 --- # 什么是向量嵌入和向量数据库？ Rememberizer 使用向量嵌入在向量数据库中实现对用户知识源的语义相似性搜索。这是一种比通过搜索引擎或数据库简单查找内容中的关键词更为先进和细致的信息检索形式。
多维空间

多维空间

在其最先进的形式中（如 Rememberizer 所使用的），向量嵌入是由与 OpenAI 的 gpt 模型和 ChatGPT 服务以及 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服务相似架构的语言模型创建的。因此，使用向量嵌入来发现相关知识以纳入 AI 模型提示的上下文是自然而然的。这些技术是互补的，某种程度上是等价的。因此，大多数提供 LLM 作为服务的供应商也会提供向量嵌入作为服务（例如：[来自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release)或[来自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入看起来是什么样的？考虑一个二维坐标 (x,y)。如果它表示从原点到该点的线，我们可以将其视为一条有方向的线，换句话说，是一个 _二维向量_。在我们的上下文中，向量嵌入将是一个类似于 768 个数字的列表，表示在 768 维空间中的一个向量。最终，这个数字列表可以表示在 Transformer 模型中介于零和一之间的权重，这些权重定义了短语的含义，例如“晴天霹雳”。这在根本上是 GPT-4 中使用的相同基础含义表示。因此，我们可以期待一个好的向量嵌入能够实现现代 AI 语言模型中所展现的同样出色的表面理解。 \ 值得注意的是，向量嵌入不仅可以用于表示文本，还可以用于表示其他类型的数据，如图像或声音。通过适当训练的模型，可以跨媒体进行比较，因此文本块上的向量嵌入可以与图像进行比较，或 _反之亦然_。今天，Rememberizer 仅在用户文档和知识的文本组件中启用搜索。但文本到图像和图像到文本的搜索在计划中。\ \ Google 使用向量嵌入来驱动他们的文本搜索（文本到文本）和图像搜索（文本到图像） ([reference](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings))。Facebook 考虑在其社交网络搜索中使用嵌入 ([reference](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/))。Snapchat 使用向量嵌入来理解上下文，以便在合适的时间向合适的用户投放合适的广告 ([reference](https://eng.snap.com/machine-learning-snap-ad-ranking))。 要深入了解向量嵌入和向量数据库的工作原理，请从 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 开始。Pinecone（作为服务的向量嵌入数据库）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一个了解向量中的搜索和知识的好来源是 Meta/Facebook 关于 FAISS 库的论文和代码。“FAISS: A Library for Efficient Similarity Search and Clustering of Dense Vectors” 由 Johnson、Douze 和 Jégou（2017）撰写：FAISS 提供了一个全面的概述，介绍了一个旨在高效相似性搜索和密集向量聚类的库。它讨论了在大规模向量数据库中优化索引和搜索过程的方法，包括基于产品量化的方法。了解更多的最佳地方是文档以及 [Github 上的代码](https://github.com/facebookresearch/faiss)。 \ 请务必考虑 2017 年 6 月的论文，该论文开启了 genAI（生成性人工智能）革命，“Attention Is All You Need。” ([reference](https://arxiv.org/abs/1706.03762))，该论文介绍了 GPT 模型及其后续的所有 LLM 背后的 Transformer 架构，包括 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和许多其他开源项目。\ 还要考虑，“Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality” ([reference 1998](https://dl.acm.org/doi/10.1145/276698.276876), [reference 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf))。这些论文讨论了高维空间中近似最近邻（ANN）搜索的理论，这是向量数据库中高效检索相似项目的核心概念。 {% hint style="info" %} 这些基于 Transformer 的模型的一件令人兴奋的事情是，它们使用的数据越多，模型的规模（参数越多）越大，它们的理解和能力就越好。OpenAI 首次注意到这一点是在他们训练 GPT-2 模型时。意识到这一潜力后，他们立即停止了以开源为导向的非营利组织的运作，转而成为一家专注于生产 GPT-3、GPT-4 及其著名前端 ChatGPT 的闭源盈利公司。有趣的是，Google 拥有这项技术的专利——正是他们的研究人员开发了 Transformers 和 Attention Is All You Need ([reference](https://patents.google.com/patent/US10452978B2/en))。\ \ ChatGPT 对我的描述略有不同，写道：“关于 OpenAI 从一个以开源为导向的非营利组织转变为闭源盈利实体的叙述简化了一个复杂的演变。OpenAI 的转变包括关注安全和负责任的 AI 开发，以及商业化方面。值得注意的是，尽管 OpenAI 优先开发像 GPT-3 及更高版本的专有技术，但它仍通过出版物和合作与研究社区保持互动。” {% endhint %} BERT 语言模型基于 Transformers，通常用于高级向量嵌入引擎。这在 2018 年的论文“BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding” ([reference](https://arxiv.org/abs/1810.04805)) 中介绍。BERT（来自 Transformers 的双向编码器表示）标志着向可针对广泛 NLP 任务进行微调的预训练模型的重大转变。其创新的双向训练和 Transformer 架构的使用为众多基准的模型性能设定了新标准。\ \ 早期创建向量嵌入的创新方法由 GloVe（2014，斯坦福）和 Word2Vec（2013，谷歌）提出。“GloVe: Global Vectors for Word Representation” ([reference](https://nlp.stanford.edu/pubs/glove.pdf))：GloVe（全球向量）论文提出了一种新的全局对数双线性回归模型，用于无监督学习单词表示，结合了两种主要嵌入方法的优点：全局矩阵分解和局部上下文窗口方法。“Efficient Estimation of Word Representations in Vector Space” ([reference](https://arxiv.org/abs/1301.3781))：这篇论文介绍了 Word2Vec，这是一种开创性的生成单词嵌入的方法。Word2Vec 模型，包括连续词袋（CBOW）和 Skip-Gram 模型，在单词嵌入的发展中具有重要意义。 ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南将引导您将 Slack 工作区集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Slack 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能在这里看到所有可用的知识来源，包括 Slack。
您的知识，准备连接到 Slack

您的知识，准备连接到 Slack

3. 点击 Slack 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Slack 工作区。
Slack OAuth 屏幕

Slack OAuth 屏幕

> **注意：** 如果您看到一个警告，提示该应用程序未被 Slack 授权，那是因为 Rememberizer 旨在搜索 Slack 内容，而这违反了 [Slack 应用目录指南](https://api.slack.com/directory/guidelines)。 4. 点击 **"允许"** 将 Rememberizer Slack 应用安装到您的工作区。一旦您授予了必要的权限，您将被重定向回我们的平台，此时您应该看到您的 Slack 工作区已连接，并且侧边面板弹出。
A COMPANY 已被添加为知识来源

A-COMPANY 已被添加为知识来源

5. 现在您已连接，您需要指定我们的产品应该从哪些频道获取消息。从侧边面板中选择您想要的文件或文件夹。如果侧边面板未出现，请点击 **"选择"** 按钮以打开侧边面板。
选择要嵌入为知识的频道

选择要嵌入为知识的频道

6. 选择频道后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好地，通过我们的 GPT 应用程序或我们的公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/common-knowledge.md <== --- description: >- 通过添加对我们和其他人预先索引数据的 AI 访问，增强您的知识或快速入门。 --- # 常识 ## 什么是常识 在 Rememberizer 中，注册用户 **(发布者)** 可以通过备忘录选择他们上传的文档，并将其公开分享为常识。其他用户 **(订阅者)** 可以访问这些公共知识并将其添加到自己的资源中。 通过贡献他们的数据，其他用户可以共同增强常识页面上可用的信息。这种协作方式使所有用户能够访问更丰富的数据源，从而提高他们的 AI 应用程序的学习能力。 ## 添加公共常识 为了将公共常识订阅到您的资源中，请按照以下说明操作 * 在导航栏中，选择 **个人 > 常识**。然后，您将看到公共常识页面。
navbar browse ck
public ck page
* 然后，寻找您想要订阅的常识。您可以通过在搜索栏中输入常识的名称来查找该常识。您还可以选择搜索栏旁边的过滤选项。
搜索栏的过滤器

搜索栏的过滤器

搜索结果示例

搜索结果示例

* 然后点击公共常识上的 **添加** 按钮。成功订阅后，您将看到 **添加** 按钮变为 **移除** 按钮。
未添加的常识

未添加的常识

已添加的常识

已添加的常识

* 之后，如果您想要移除已订阅的常识，请点击 **移除** 按钮。 ## 创建共享知识 有关创建和共享共享知识的详细说明，请访问此页面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Google Drive 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Google Drive。
drive personal knowledge
3. 点击 Google Drive 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Google Drive。选择您的 Google Drive 账户。
drive oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
drive oauth step 2
5. 通过点击 **"继续"** 允许 Rememberizer **查看和下载您所有的 Google Drive 文件**。
drive oauth step 3
6. 您将被重定向回我们的平台，此时您应该能看到您的 Drive 账户已连接，并且侧边面板弹出。
drive auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
drive choose knowledge
8. 选择文件后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Google Drive 数据。
drive choose knowledge checkbox
9. 选择您的文件和文件夹后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。
drive indexing
### Google Drive 集成的限制 * 虽然 Rememberizer 的 Google Drive 集成允许您访问和嵌入各种文件和文件夹，但由于 Google 设置的限制，目前无法访问或嵌入“计算机”部分的文件，该部分用于备份您计算机上的文件。 * 如果您需要从本地计算机嵌入文件，我们建议使用我们的 Rememberizer Agent 桌面应用程序。要了解有关 Rememberizer Agent 的更多信息以及如何安装和使用它，请参考我们的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序（如 Slack、Box、Dropbox 等）中的知识结合起来，形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/rememberizer-app.md <== # Rememberizer 应用 ### 介绍 Rememberizer 应用程序是一款 MacOS 桌面应用，能够将您的本地文件转换为向量嵌入，并将其作为数据源上传到 Rememberizer 的知识库中。该应用程序使其他 LLM 通过 Rememberizer 的 API 查询您的嵌入，基于您本地文件的内容生成答案。 ### 优势。 * **数据利用：** 该应用程序帮助您以有意义和高效的方式利用本地文件。它从您的文件中提取有价值的数据，并使其可用于机器学习过程。 * **易用性：** 该应用程序具有用户友好的界面，安装和使用都很简单。它处理文件转换和数据上传的所有繁重工作，因此您无需操心。 * **集成：** Rememberizer 应用程序与其他 LLM 无缝集成。这使得它们能够通过 Rememberizer 的 API 查询您的嵌入，以根据您本地文件的内容生成答案。 ### 安装。 1. 从 [这里提供的链接](rememberizer-app.md#download-links) 下载一个版本的 Rememberizer 应用程序。 2. 下载完成后，在你的下载文件夹中找到 .dmg 文件并双击它。 3. 当新窗口打开时，将 Rememberizer 应用程序拖入你的应用程序文件夹。 4. 前往你的应用程序文件夹，点击 Rememberizer 应用程序以打开它。 ### 如何使用。 1. **登录：** 要使用 Rememberizer 应用程序，您需要使用您的 Rememberizer 账户登录。如果您没有 Rememberizer 账户，您需要创建一个。
rememberizer app sign in
rememberizer app success auth
2. **将文件夹添加到数据源：** 登录后，Rememberizer 应用程序将开始在后台运行。您可以通过点击状态栏中的小图标来访问它，如下所示。首次使用时，您需要将文件夹添加到数据源。这使得 Rememberizer 应用程序能够将这些文件夹中的文件转换为向量嵌入并上传到您的 Rememberizer 知识库。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上传：** 软件将无缝地将这些向量嵌入整合到您的 Rememberizer 知识数据库中。通过 Rememberizer 状态标签跟踪上传过程。
rememberizer app status
### 下载链接。 * Rememberizer 应用 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [发布说明](rememberizer-app.md#version-1.3.1-july-25-2024)。 请注意，建议始终使用最新版本的软件，以利用所有最新功能和改进。 Rememberizer 应用旨在使将本地文件转换为向量嵌入的过程尽可能无缝。享受以更高效的方式使用您的数据！ ### 发布说明. ### 版本 1.6.1（2024年10月4日） #### 功能和改进 * **支持空文件夹**：用户现在可以将空文件夹添加为数据源。 * **小幅改进**：对用户界面和性能进行了增强。 * **GPU支持和性能改进**：增加了对GPU加速的支持，以提高处理速度。 * **增强的嵌入程序**：配置为支持PyTorch的MPS版本，优化机器特定的构建。 * **智能CPU检测**：实现了CPU类型的检测，以确保使用最合适的嵌入程序版本。 * **改进的数据源管理**：利用批量删除API高效删除已移除数据源中的文件。 * **支持所有纯文本文件**：启用了对各种纯文本文件类型的处理。 * **遵循Gitignore规则**：在Git存储库中被gitignore规则忽略的文件现在被排除在处理之外。 ==> personal/rememberizer-memory-integration.md <== # Rememberizer 记忆集成 ### 介绍 Rememberizer Memory 允许第三方应用程序在用户的 Rememberizer 账户中存储和访问数据，为有价值的信息在多个用户的应用程序中保存和利用提供了一种简单的方法。 ### 益处 #### 对于用户 共享内存创建了一个单一的地点，所有用户应用程序的关键结果和信息都可以在一个位置找到。对用户的一些好处包括： * 便捷访问：重要数据被集中管理，允许用户和他们的应用程序轻松访问多个应用程序的结果。 * 应用之间同步：信息可以在用户的不同应用之间无缝共享和同步，无需用户额外付出努力。 * 持久存储：数据即使在单个应用程序被卸载后依然可以访问，不像特定应用的本地存储。 #### 对于应用开发者 共享内存为应用开发者提供了一种简单的方式来访问用户其他连接应用的数据： * 无需后端：应用无需开发自己的自定义后端系统来存储和共享数据。 * 利用其他应用：应用可以基于用户其他已安装应用生成的公共数据进行构建和利用，丰富自身功能。 * 跨应用集成：应用开发者的不同应用之间实现无缝集成和数据共享能力。 默认情况下，所有应用对共享内存具有只读访问权限，而每个应用只能写入自己的内存空间。用户可以根据需要自定义访问权限。这在数据共享与用户隐私和控制之间实现了平衡。 ### 配置您的记忆 #### 全局设置 全局设置允许用户配置所有使用共享内存的应用程序的默认权限。这包括：
在知识页面配置内存

在知识页面配置内存

#### 应用程序的默认内存和数据访问权限 * **读取自己的/写入自己的：** 应用程序仅被允许访问和修改自己的内存数据。 * **读取所有/写入自己的：** 应用程序可以读取所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存：** 默认情况下，应用程序无法访问或存储内存数据。 * **应用于所有选项：** 用户可以将所有应用程序特定的权限设置恢复为全局设置中选择的默认值。
memory settings panel
用户可以通过 _**忘记你的记忆**_ 选项清除所有内存文档：
忘记记忆时的确认模态

忘记记忆时的确认模态

#### 应用设置 对于每个连接的应用，用户可以自定义共享内存权限。点击 **“查找应用”**，然后点击 **“您的连接应用”** 或访问链接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 查看您连接的应用列表。然后，点击您想要自定义的应用的内存上的 **“更改”**：
在连接应用页面为每个应用配置内存

在连接应用页面为每个应用配置内存

#### 应用程序的内存访问权限 * **读取自己的/写入自己的**：权限仅允许应用程序访问和修改其自己的内存数据，防止其与其他应用程序的内存交互。 * **读取所有/写入自己的**：应用程序可以查看所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存**：应用程序被禁止访问或修改内存数据。 这使用户能够根据对特定应用程序的信任程度，对每个应用程序如何利用共享内存进行细粒度控制。单个应用程序的权限可以比全局默认设置更严格。 全局设置和应用程序设置共同为用户提供强大而易于使用的控制，管理他们的数据如何通过共享内存进行共享。 ### 与记忆功能集成 #### API 端点 Rememberizer 提供一个 API 端点 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 让 GPT 应用调用以记住内容。 注意：此 API 仅适用于具有 [OAuth2 认证的第三方应用](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 密钥](../developer/registering-and-using-api-keys.md)）。 #### 记住你的知识 在授权使用 Rememberizer 后，第三方应用可以记住它宝贵的知识。 在这里，我们将演示一个使用 Rememberizer GPT 应用的过程。 * 在使用 Rememberizer GPT 应用后，用户想要记住第三点“零成本抽象”。
与 Rememberizer GPT 应用互动

与 Rememberizer GPT 应用互动

* 要使用 Rememberizer 应用的记忆功能，用户必须首先授权该应用访问你的项目。使用 **memorize** 命令告诉应用需要存储哪些知识。
登录以授权 Rememberizer

登录以授权 Rememberizer

* 用户可以在这里配置记忆选项，默认值基于全局配置
授权屏幕

授权屏幕

现在，Rememberizer 成功地记住了知识。
successful memorize knowledge
* 在 Rememberizer 中，用户可以在 **嵌入知识详情** 页面查看最近的内容。
embedded knowledge detail
通过 **Talk to Slack** 应用，用户可以无缝地应用并继续使用他们已记住的数据。例如，记住的信息可以轻松查询和检索
在另一个应用中回忆记忆数据

在另一个应用中回忆记忆数据

### 通过 Memento 使用记忆数据 * 利用记忆数据的另一种方法是创建 **Memento** 并将记忆提炼到其中。有关创建说明的更多信息，请访问 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分。 * Rememberizer 将内容保存到文件中，用户可以选择任何应用程序将其内容提炼为 **Memento**。 > 注意：在旧版本中，Rememberizer 将内容保存到文件中，并按日期合并到文件夹中。
memory memento feature
通过 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用户即使在记忆应用配置关闭时也可以利用记忆数据。 ### 在 Rememberizer 中搜索记忆文档 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好地，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以发布一个主题或问题，Rememberizer 将提供一个文件列表，并提取出在概念上相似的部分。 --- # 搜索你的知识 ## 在 Rememberizer 中搜索 * 在导航栏中，选择 **个人 > 搜索您的知识**。然后您将看到 Rememberizer 中的搜索页面。
navbar search rememberizer (1)
search rememberizer page
* 输入您想要搜索的问题或主题，然后选择您想要限制应用程序访问的记忆，并点击 Rememberizer 按钮（或按 Enter）。搜索过程可能需要几分钟，具体取决于 Memento 中的数据量。
在 Rememberizer 中搜索的记忆过滤

在 Rememberizer 中搜索的记忆过滤

* 最终，您将看到与您所需的问题或主题匹配的文档列表。您可以点击文件，它将展开与您的问题或主题相关的匹配文本块。
搜索结果的示例

搜索结果的示例

==> personal/README.md <== # 个人 ==> personal/manage-third-party-apps.md <== # 管理第三方应用 ## 探索第三方应用和服务 用户可以在 **应用目录** 页面查看和探索所有与 Rememberizer 连接的第三方应用，具体步骤如下。 * 在导航栏上，选择 **个人 > 查找应用**。然后，您将看到应用目录页面。
导航栏浏览应用目录页面

导航栏浏览应用目录页面

应用目录页面

应用目录页面

* 找到您想要探索的应用。您可以通过在搜索栏中输入应用名称并选择 **过滤和排序顺序** 来完成此操作。
带有过滤和排序按钮的搜索栏

带有过滤和排序按钮的搜索栏

* 点击 **第三方应用的名称** 或 **探索按钮** 来打开该应用。
应用名称和探索按钮

应用名称和探索按钮

* 使用该应用时，需要授权该应用与 Rememberizer 连接。有关流程的技术细节，请访问 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 页面。我们将以 **Rememberizer GPT 应用** 作为授权的 UI 流程示例。在第一次聊天后，您将看到该应用请求您登录 Rememberizer。
来自 Rememberizer GPT 应用的登录请求

来自 Rememberizer GPT 应用的登录请求

* 点击 **登录** 按钮。您将被重定向到授权页面。
授权页面

授权页面

* 您可以通过点击 **更改** 按钮来修改应用可以查看和使用的 Memento 和 Memory，并选择您想要的内容。 > **注意：** 有关 Memento 的详细信息，请访问 [mementos-filter-access.md](mementos-filter-access.md "mention") 页面。 > **注意：** 有关 Memory 集成的详细信息，请访问 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 页面。 * 点击 **授权** 完成该过程。然后您将再次被重定向回应用，您可以正常与其聊天。 > **注意：** 如果您点击 **取消** 按钮，您将再次被重定向到应用的登录页面，该应用将不会显示在 **应用目录** 页面中，而是会出现在 **您的连接应用** 页面中。如需完全取消授权过程的更多详细信息，请访问第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")。
成功连接的账户

成功连接的账户

## 管理您的连接应用 在 **应用目录** 页面，选择 **您的连接应用** 以浏览该页面。
browse your connected app
您的连接应用页面

您的连接应用页面

该页面根据状态将应用程序分为两种类型：**待处理应用** 和 **连接应用**。 * **待处理应用**：这些是您在 Rememberizer 上授权应用时点击 **取消** 按钮的应用。 * 如果您想完成授权过程，请点击 **继续**。 * 否则，点击 **取消** 完全撤回授权。该应用将再次显示在 **应用目录** 页面中。 * **连接应用**：您可以通过点击更改选项（如果尚未选择 Memento，则选择）来配置特定连接应用的 **Memento** 或 **记忆集成**。如果您想断开与 Rememberizer 的第三方应用的连接，请点击 **断开连接**。 ==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Gmail 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Gmail。
gmail personal knowledge
3. 点击 Gmail 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，请求您允许 Rememberizer 访问您的 Gmail。选择您的 Gmail 账户。
gmail oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
gmail oauth step 2
5. 通过点击 **"继续"** 授予 Rememberizer **权限** 以访问您的 Gmail。
gmail oauth step 3
6. 您将被重定向回我们的平台，您应该能看到您的 Gmail 已连接。
gmail auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些电子邮件标签。点击 **"选择"** 按钮，并从侧边面板中选择您想要的电子邮件标签。所有属于所选标签的电子邮件将被嵌入。
gmail choose knowledge
8. 选择标签后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Gmail 数据。
gmail choose knowledge checkbox
9. 一旦您选择了标签，我们的系统将开始嵌入电子邮件和附件。此过程可能需要几分钟，具体取决于数据量。
gmail indexing
### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Slack、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南将引导您将 Dropbox 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Dropbox 集成 1. 登录到您的帐户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Dropbox。
Dropbox，准备作为知识来源连接

Dropbox，准备作为知识来源连接

3. 点击 **"允许"** 将 Rememberizer Dropbox 应用安装到您的帐户。
dropbox oauth
4. 一旦您授予了必要的权限，您将被重定向回我们的平台，在那里您应该能看到您的 Dropbox 帐户已连接，并且侧边面板会弹出。
dropbox auth redirect
5. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
dropbox choose knowledge
7. 选择您的文件和文件夹后，点击 **"添加"**，我们的系统将开始嵌入。这个过程可能需要几分钟，具体取决于数据量。 ### 连接到另一个Dropbox账户 如果你断开了你的Dropbox知识库，然后重新连接，很可能Dropbox会自动连接到你之前的Dropbox账户，完全跳过授权页面。 如果你想用另一个Dropbox账户连接： 1. 前往Dropbox网站，用你之前的账户凭证登录。 2. 登录后，点击右上角的个人头像。 3. 在下拉菜单中选择"设置"。 4. 在设置菜单中，选中"已连接的应用程序"标签。 5. 在已连接的应用程序列表中找到Rememberizer应用程序，并点击其旁边的"断开连接"。 6. 退出你之前的Dropbox账户。 7. 现在，当你试图再次将Dropbox连接到Rememberizer应用程序时，它会提示你授权新的Dropbox账户。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Slack 等，以形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允许用户高效管理来自各种来源的存储文件。本节将向您展示如何访问、搜索、过滤和管理您上传的知识文件。 --- # 管理您的嵌入知识 ## 浏览嵌入知识详情页面 在导航栏中，选择 **个人 > 您的知识**。 找到“您的知识”部分右侧的 **查看详情** 按钮并点击它。 然后，您将看到 **嵌入知识详情** 页面。
您的知识部分和 <strong>查看详情</strong> 按钮

您的知识部分和 查看详情 按钮

嵌入知识详情页面

嵌入知识详情页面

知识文件详情表包括以下属性： * **文档：** 文档或 Slack 频道的名称。 * **来源：** 文件上传的资源（Drive、Mail、Slack、Dropbox 和 Rememberizer 应用）。 * **目录：** 文件在源中的位置。 * **状态：** 文件的状态（索引中、已索引或错误）。 * **大小：** 文件的大小。 * **索引时间：** 文件被索引的日期。 * **操作：** 删除文件的按钮。对于状态为错误的文件，垃圾桶图标（删除按钮）旁边还会有一个重试图标。 ## 详细页面的功能 ### 搜索和过滤文件 用户可以通过 **搜索栏** 按名称搜索文档。在栏中输入名称，然后按 Enter 键获取结果。
搜索结果

搜索结果

您还可以选择 **状态过滤器** 和 **来源过滤器**。这将通过缩小搜索条件快速定位特定文档。
来源过滤器

来源过滤器

状态过滤器

状态过滤器

### 删除上传的文件 找到您想要删除的文件（如有需要可通过搜索）。然后点击**操作**列中的**垃圾桶图标**。
带有删除图标的文件

带有删除图标的文件

将弹出一个模态框以确认删除。点击**确认**，然后您将看到文件已被删除。
删除确认模态框

删除确认模态框

### 重试索引错误文件 用户可以重试嵌入那些 Rememberizer 未能索引的文件。要重试索引特定文件，只需点击 **操作** 列中删除按钮旁边的重试按钮。
特定错误文件的重试按钮

特定错误文件的重试按钮

如果用户想要重试索引所有错误文件，请点击 **操作** 列标签旁边的重试按钮。
所有错误文件的重试按钮

所有错误文件的重试按钮

以下是成功重试索引来自 Gmail 集成的错误文件后的图像。
成功重试索引错误文件

成功重试索引错误文件

==> personal/mementos-filter-access.md <== --- description: 使用每个应用集成的纪念品来限制其对您的知识的访问 --- # Mementos过滤器访问 ### 什么是备忘录，它们为什么存在？ Rememberizer 的一个主要目的是以受控的方式与第三方应用程序共享您数据的高度相关摘录。这是通过将单个 **备忘录** 应用到与 Rememberizer 集成的每个应用程序来实现的，您也选择授权这些应用程序访问您在 Rememberizer 中的数据。 当前的备忘录实现允许用户选择特定的文件、文档或内容组，例如可以被该应用程序使用的文件夹或频道。后续的实现将增加其他过滤第三方访问的方法，例如时间范围，如“在过去 30 天内创建”。\ \ 两个默认值是“无”和“所有”。所有共享用户允许 Rememberizer 访问的每个文件。无则不与相关应用共享任何内容。选择无允许用户选择一个应用并将其与 Rememberizer 集成，而无需当场决定要提供哪些内容。选择一个无的备忘录或编辑现有的应用备忘录以共享无，是一种关闭应用访问用户数据的方法，而无需删除集成。这就像是您数据的关闭开关。自定义备忘录可以专门制作，并具有反映这一点的名称，例如“作业”或“市场营销”。 ### 如何创建 Mementos？ 本指南将引导您完成创建 Mementos 的过程 1. 在选项卡中导航到 **个人 > Memento: 限制访问**，或访问 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您应该在屏幕左侧看到所有 Mementos
memento page
2. 点击 **创建新备忘录**。然后填写您自定义备忘录的名称并点击 **创建**。之后，您应该看到您的备忘录已添加，并且可以在您的备忘录中包含数据源的列表。
create memento
memento detail
3. 点击您想要细化的数据源上的 **细化**，侧边面板将弹出。然后选择添加文件夹或文件，并点击 **细化** 将这些数据源添加到 Memento。
memento refine knowledge
4. 此外，对于常见知识源，您可以点击 **添加** 将知识包含在 Memento 中。
memento add common knowledge
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您将学习如何在 Rememberizer 中创建常见知识 并获取其 API 密钥，以通过 API 调用连接和检索其文档。 --- # 注册和使用 API 密钥 ### 前提条件 首先，您需要使用您的索引知识文件创建并完善[一个备忘录](../personal/mementos-filter-access.md)。 ### 创建共享知识 要创建共享知识，请登录您的 Rememberizer 账户并访问 [您的共享知识页面](https://rememberizer.ai/personal/common-knowledge)。选择 **"您的共享知识"**，然后点击 **"开始"**。
common knowledge page
然后选择您之前创建的其中一个纪念品，您也可以选择 **"全部"** 或 **"无"**。
create common knowledge 1
最后填写共享知识的名称、描述，并为其提供一张代表性的照片。
create common knowledge 2
填写完表单后，点击底部的 "分享知识" 以创建您的共享知识。之后，打开您的知识中的 **"启用共享"**，并在弹出窗口中点击 **"确认"**。
common knowledge sharing
您现在可以获取其 API 密钥并通过 API 调用访问其文档。 ### 获取您创建的公共知识的 API 密钥 对于您的公共知识，请点击右上角的三个点，然后选择“API 密钥”。如果还没有密钥，将为您创建一个。如果 API 密钥存在，将返回该密钥。
knowledge open API key
在 **“管理您的 API 密钥”** 面板中，您可以点击 **“眼睛”** 按钮来显示/隐藏，点击 **“复制”** 按钮将密钥复制到剪贴板，以及点击 **“重新生成 API 密钥”** 来使旧密钥失效并创建一个新密钥（通过 API 调用访问您文档的应用程序在您更新新密钥之前将无法访问）。
copy api key
获取 API 密钥后，您可以在对 Rememberizer 的 API 调用中使用它，以查询您索引的文档和内容。 ### 使用 API 密钥 要访问 Rememberizer 端点，您需要在 API 请求的 `X-API-Key` 头中使用 API 密钥。请查看 [API 文档](api-documentations/) 以查看 Rememberizer 提供的端点。 您还可以在自定义 GPT 应用中使用 API 密钥。首先通过 [在 ChatGPT UI 中创建 GPT](https://chat.openai.com/gpts/editor)。确保选择身份验证类型为“API 密钥”，身份验证类型为“自定义”，头为“X-Api-Key”，然后将您之前复制的密钥粘贴到 API 密钥文本框中。
gpt app using api key
==> developer/langchain-integration.md <== --- description: >- 您可以将 Rememberizer 集成作为 LangChain 检索器，为您的 LangChain 应用提供强大的向量数据库搜索访问。 --- # LangChain 集成 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 本笔记本展示了如何从 `Rememberizer` 中检索文档，该文档格式在下游使用。 ## 准备 您需要一个 API 密钥：您可以在创建公共知识后获得一个。有关如何创建公共知识的详细说明，请访问 [注册和使用 API 密钥](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您拥有 API 密钥，您必须将其设置为环境变量 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 时将其作为 `rememberizer_api_key` 传递。 `RememberizerRetriever` 有以下参数： \- 可选的 `top_k_results`：默认值为 10。用于限制返回文档的数量。 \- 可选的 `rememberizer_api_key`：如果您没有设置环境变量 `REMEMBERIZER_API_KEY`，则为必需。 `get_relevant_documents()` 有一个参数，`query`：用于在 `Rememberizer.ai` 的公共知识中查找文档的自由文本。 ## 示例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||代码块|| # 设置 API 密钥 from getpass import getpass REMEMBERIZER_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| import os from langchain_community.retrievers import RememberizerRetriever os.environ["REMEMBERIZER_API_KEY"] = REMEMBERIZER_API_KEY retriever = RememberizerRetriever(top_k_results=5) ||CODE_BLOCK|| ||CODE_BLOCK|| docs = retriever.get_relevant_documents(query="大型语言模型是如何工作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文档的元信息 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'url': 'https://drive.google.com/file/d/17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP/view', 'size': 337089, 'created_time': '', 'modified_time': '', 'indexed_on': '2024-04-04T03:36:28.886170Z', 'integration': {'id': 347, 'integration_type': 'google_drive'}} ||CODE_BLOCK|| ||CODE_BLOCK|| print(docs[0].page_content[:400]) # 文档的内容 ||CODE_BLOCK|| ||CODE_BLOCK|| 之前，或者以新的方式进行上下文化。在某种程度上，它们“理解”语义，因为它们可以通过意义将单词和概念关联起来，已经看到了它们以这种方式成组在一起数百万或数十亿次。开发人员如何能够快速开始构建自己的 LLM，以构建 LLM 应用程序，开发人员需要轻松访问多个数据集，并且他们需要这些数据集的存放地点 ||CODE_BLOCK|| ## 在链中的使用 ||CODE_BLOCK|| OPENAI_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY ||CODE_BLOCK|| ||CODE_BLOCK|| from langchain.chains import ConversationalRetrievalChain from langchain_openai import ChatOpenAI model = ChatOpenAI(model_name="gpt-3.5-turbo") qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever) ||CODE_BLOCK|| ||CODE_BLOCK|| questions = [ "什么是RAG？", "大型语言模型是如何工作的？", ] chat_history = [] for question in questions: result = qa.invoke({"question": question, "chat_history": chat_history}) chat_history.append((question, result["answer"])) print(f"-> **问题**: {question} \n") print(f"**回答**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **问题**: 什么是RAG？ **回答**: RAG代表检索增强生成。它是一个AI框架，从外部知识库中检索事实，以通过提供最新和准确的信息来增强大型语言模型（LLMs）生成的响应。该框架帮助用户理解LLMs的生成过程，并确保模型可以访问可靠的信息来源。 -> **问题**: 大型语言模型是如何工作的？ **回答**: 大型语言模型（LLMs）通过分析大量语言数据集来理解和生成自然语言文本。它们基于机器学习，特别是深度学习，涉及训练程序在没有人工干预的情况下识别数据特征。LLMs使用神经网络，特别是变换器模型，来理解人类语言中的上下文，使它们在模糊或新上下文中更好地解释语言。开发人员可以通过访问多个数据集和使用Cloudflare的Vectorize和Cloudflare Workers AI平台等服务，快速开始构建自己的LLMs。 ||CODE_BLOCK|| ### 相关[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 检索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 检索器 [操作指南](https://python.langchain.com/docs/how_to/#retrievers) *** **通过提供对本文档页面的反馈来帮助我们：** ==> developer/authorizing-rememberizer-apps.md <== # 授权 Rememberizer 应用 Rememberizer 的实现支持标准的 [授权码授权类型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授权用户使用您的应用的网页应用流程如下： 1. 用户被重定向到 Rememberizer 以授权他们的账户。 2. 用户选择要与您的应用一起使用的纪念品。 3. 您的应用使用用户的访问令牌访问 API。 访问 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 页面以查看该流程的 UI 示例。 ### 第一步。请求用户的 Rememberizer 身份 将用户重定向到 Rememberizer 授权服务器，以启动身份验证和授权过程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 参数：
名称描述
client_id必填
您应用程序的客户端 ID。您可以在开发者中找到此值。点击左上角的开发者。在注册应用程序列表中，点击您的应用程序，您将在应用凭据中看到客户端 ID。
response_type必填
必须为code以进行授权码授予。
scope

可选

一个以空格分隔的范围列表，标识您的应用程序可以代表用户访问的资源。

redirect_uri必填
用户在授权后将被发送到您应用程序中的 URL。
state

必填

客户端用于在请求和回调之间保持状态的不透明值。授权服务器在将用户代理重定向回客户端时包含此值。

### 步骤 2. 用户选择并配置他们的纪念品 用户将选择与您的应用一起使用的纪念品。 ### 第 3 步。用户通过 Rememberizer 被重定向回您的网站 在用户选择他们的纪念品后，Rememberizer 会将用户重定向回您的网站，并带有一个临时的 `code` 参数以及您在上一步中提供的 `state` 参数。临时代码将在短时间后过期。如果状态不匹配，则请求是由第三方创建的，您应该中止该过程。 ### 第4步. 交换授权码以获取刷新和访问令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端点接受以下输入参数。
名称描述
client_id必填
您应用程序的客户端ID。您可以在开发者中找到此值。查找此ID的说明在第1步中。
client_secret必填
您从Rememberizer获得的应用程序客户端密钥。
code您在第3步中收到的授权码。
redirect_uri必填
用户在授权后被发送到您应用程序中的URL。必须与第1步中的redirect_uri匹配。
### 第 5 步. 使用访问令牌访问 API 访问令牌允许您代表用户向 API 发出请求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以这样设置 Authorization 头： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 参考 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 创建一个简单的网络应用程序，将 LLM 通过对 Rememberizer 的查询与用户知识集成是非常简单的。 --- # Talk-to-Slack 示例网页应用 应用的源代码可以在 [这里](https://github.com/skydeckai/rememberizer) 找到。 在本节中，我们将提供逐步说明和完整的源代码，以便您可以快速创建自己的应用程序。 我们在 OpenAI 上创建了一个 Talk-to-Slack GPT。Talk-to-Slack 网页应用非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 网页应用

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 网页应用

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 介绍 在这个指南中，我们提供了分步说明和完整的源代码，以帮助您创建自己的类似于我们与Rememberizer.ai的Talk-to-Slack GPT整合的应用程序。与Slack整合不同，一个网页应用程序提供更多的特性和控制，如网页抓取，本地数据库访问，图形和动画，以及收集支付。此外，它可以被任何人使用，而无需拥有高级genAI账户。 ### 概述 我们的示例应用程序，“Talk to Slack”，托管在Heroku上，并整合了OpenAI的LLM和Rememberizer.ai，以增强您的Slack体验。该网络应用程序使用Flask构建，并提供了如OAuth2集成、访问Slack数据和直观用户界面等功能。 ### 特性 * **基于Flask的架构**：由Flask处理后端操作，前端通信和API交互。 * **OAuth2集成**：通过Rememberizer的OAuth2流程进行安全授权和数据访问。 * **Slack数据访问**：使用Rememberizer的API安全地获取用户连接的Slack数据。 * **OpenAI LLM集成**：通过OpenAI的LLM服务处理查询，以获得有洞察力的回应。 * **直观的用户界面**：通过现代UI设计进行简单的导航和交互。 * **最佳实践**：遵守安全和用户体验标准，以实现无缝集成。 ### 设置和部署 #### 前提条件 * Python * Flask {% hint style="info" %} 请注意，让一个 LLM 将整个应用程序用另一种语言重写并不是很困难，在我们的例子中是 Golang。因此，请记住，您并不局限于 Python。 {% endhint %} #### 环境配置 设置以下环境变量： * `APP_SECRET_KEY`：Flask的唯一密钥。 * `REMEMBERIZER_CLIENT_ID`：您的Rememberizer应用的客户端ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的Rememberizer应用的客户端密钥。 * `OPENAI_API_KEY`：您的OpenAI API密钥。 #### 运行应用程序 1. **启动 Flask 应用**：在终端中运行 `flask run`，并通过 `http://localhost:5000` 访问应用。 2. **将回调 URL 复制到您的 Rememberizer 应用配置中**：`https:///auth/rememberizer/callback` 示例：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到云端 建议部署到 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **创建 Heroku 账户**：安装 Heroku CLI。 2. **准备您的应用程序**：确保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成进行部署。 **详细步骤** * **将 Heroku 连接到 GitHub**：启用来自 GitHub 仓库的自动部署，以实现无缝更新。 * **手动部署**：可选择使用手动部署以获得更多控制。 **其他设置** * 安装 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 证书：使用自签名证书进行初始 HTTPS 设置。 * 在 Heroku 上配置环境变量：使用 `heroku config:set KEY=value` 设置必要的密钥。 **其他云平台** * **GCP**：设置 GCP 账户，使用 `app.yaml` 准备您的应用，并使用 `gcloud app deploy` 进行部署。 * **AWS**：在设置 AWS 账户和 AWS CLI 后，使用 Elastic Beanstalk 进行部署。 * **Azure**：在创建 Azure 账户并安装 Azure CLI 后，通过 Azure App Service 进行部署。 #### 安全性和最佳实践 在部署之前，请验证您的 `requirements.txt`，调整生产环境的配置，并更新 OAuth 重定向 URI。 ### 应用代码说明 **@app.route('/') (首页路由):** 当访问根 URL (/) 时，此路由渲染 index.html 模板。它作为您应用程序的主页。 **@app.route('/auth/rememberizer') (Rememberizer 认证路由):** 此路由启动与 Rememberizer.ai 的 OAuth2 认证过程。它生成一个随机状态值，将其存储在会话中，构建包含必要参数（客户端 ID、重定向 URI、范围和状态）的授权 URL，并将用户重定向到 Rememberizer.ai 的授权页面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回调路由):** 此路由处理用户授权您的应用程序后来自 Rememberizer.ai 的回调。它从查询参数中提取授权码，使用 Rememberizer.ai 的令牌端点将其兑换为访问令牌，并将访问令牌存储在会话中。然后，它将用户重定向到 /dashboard 路由。 **@app.route('/dashboard') (仪表板路由):** 此路由向用户显示仪表板页面。它检查用户的会话中是否有访问令牌；如果没有，它将用户重定向到认证路由。如果用户已认证，它会向 Rememberizer.ai 的账户端点发出请求以检索账户信息，并使用这些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 集成信息路由):** 此路由显示用户与 Rememberizer.ai 的 Slack 集成信息。它检查访问令牌，并向 Rememberizer.ai 的集成端点发出请求以获取集成数据。然后，它使用这些数据渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提问路由):** 此路由处理用户提交的问题。它检查访问令牌，从表单数据中检索用户的问题，并向 Rememberizer.ai 的文档搜索端点发出请求以查找相关信息。然后，它使用 OpenAI 的 GPT-4 模型根据问题和搜索结果生成答案。答案在 answer.html 模板中渲染。 ### 附加说明 * **图标设计**：使用详细的折纸艺术风格设计，反映了AI和通信集成。我们的图标是在Midjourney和Image2Icon中创建的。 * **SSL 配置**：使用OpenSSL生成自签名证书以实现安全通信。 ### 探索与创新 我们鼓励您探索和创新自己的 AI 集成网页应用，旨在提升您平台内的生产力和协作。 *** 本修订文档为开发者提供了创建自己 AI 集成网页应用的全面指南，类似于 Talk-to-Slack。它包括设置、部署和应用代码概述的详细说明，以及最佳实践 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您将学习如何创建一个 Rememberizer 应用并连接 OpenAI GPT，使 GPT 能够访问 Rememberizer API 功能。 --- # 创建记忆化器GPT ### 前提条件 首先，您需要[注册一个 Rememberizer 应用](registering-rememberizer-apps.md)并使用适当的设置进行配置。 要创建一个 GPT，您需要将 Rememberizer 应用的授权请求来源设置为`https://chat.openai.com`。 > 您需要添加一个回调 URL 来注册应用，但您只能在为您的 GPT 添加操作后找到回调 URL，暂时可以将其留作虚拟值（例如 https://chat.openai.com）。在获得回调 URL 后，您需要为应用更新正确的 URL。\ > \ > **注意：** GPT 在您更改其配置后会更新其回调 URL。请确保复制最新的回调 URL。 创建应用后，复制 **客户端 ID** 和 **客户端密钥**。我们将在创建 GPT 时使用它们。有关如何获取这些信息的说明，请访问[授权 Rememberizer 应用](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 创建一个 GPT 您可以通过 [在 ChatGPT UI 中创建一个 GPT](https://chat.openai.com/gpts/editor) 开始。 {% hint style="warning" %} 注意：创建自定义 GPT 应用仅适用于付费计划账户。 {% endhint %} #### GPT 配置 您可以根据自己的需要填写信息。以下是您可以尝试的示例：
字段示例值
名称RememberizerGPT
描述直接与您在 Google Drive 和 Slack 频道上的所有 PDF、文档、表格、幻灯片对话。
说明Rememberizer 旨在与 Rememberizer 工具无缝互动，使用户能够高效地从多个来源（如 Google Drive 和 Slack）查询他们的数据。主要目标是提供快速准确的用户数据访问，利用 Rememberizer 的能力来优化搜索速度和精确度。GPT 应指导用户制定查询并解释结果，确保流畅且用户友好的体验。在处理数据检索和分析时，保持回答的清晰和准确至关重要。GPT 应能够处理广泛的查询，从简单的数据查找到涉及多个参数或来源的更复杂搜索。重点是增强用户快速有效地访问所需信息的能力，使过程尽可能轻松。
#### 创建 Rememberizer 操作 在 GPT 编辑器中： 1. 选择“配置” 2. “添加操作” 3. 配置身份验证类型。 * 将身份验证类型设置为 **OAuth**。 * 粘贴上面步骤中的 **客户端 ID** 和 **客户端密钥**。 * 授权 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 将 **范围** 留空。 * 点击 **保存**。
gpt auth type config
4. 填写 Rememberizer 的 OpenAPI 规范。复制下面可展开内容并粘贴到 **模式** 字段中：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 与 Rememberizer 交互的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 检索当前用户的账户详细信息。 description: 获取账户信息 operationId: account responses: "200": description: 用户账户信息。 content: application/json: schema: type: object properties: id: type: integer description: 用户的唯一标识符。请勿在任何地方显示此信息。 email: type: string format: email description: 用户的电子邮件地址。 name: type: string description: 用户的姓名。 /integrations/: get: summary: 列出所有可用的数据源集成。 description: 此操作检索可用的数据源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用数据源的列表 items: type: object properties: id: type: integer description: 数据源的唯一标识符。请勿在任何地方显示此信息。 integration_type: type: string description: 数据源的类型。 integration_step: type: string description: 集成的步骤。 source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_type: type: string description: 文档的类型。 document_stats: type: object properties: status: type: object description: 数据源的状态。 properties: indexed: type: integer description: 已索引文档的数量。 indexing: type: integer description: 正在索引的文档数量。 error: type: integer description: 具有错误的文档数量。 total_size: type: integer description: 数据源的总大小（以字节为单位）。 document_count: type: integer description: 数据源中的文档数量。 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 /documents/: get: summary: 检索所有文档和 Slack 频道的列表。 description: 使用此操作检索所有可用文档、文件、Slack 频道和数据源中的常识的元数据。您应该指定 integration_type 或将其留空以列出所有内容。 operationId: documents_list parameters: - in: query name: page description: 页索引 schema: type: integer - in: query name: page_size description: 每页返回的最大文档数量 schema: type: integer - in: query name: integration_type description: 按集成类型过滤文档。 schema: type: string enum: - google_drive - slack - dropbox - gmail - common_knowledge responses: "200": description: 操作成功 content: application/json: schema: type: object properties: count: type: integer description: 文档的总数。 next: type: string nullable: true description: 下一页结果的 URL。 previous: type: string nullable: true description: 上一页结果的 URL。 results: type: array description: 文档、Slack 频道、常识等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文档的唯一标识符。请勿在任何地方显示此信息。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 id: type: integer description: 文档的唯一标识符。 integration_type: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 source: type: string description: 文档的来源。 status: type: string description: 文档的状态。 indexed_on: type: string format: date-time description: 文档被索引的日期和时间。 size: type: integer description: 文档的大小（以字节为单位）。 /documents/search/: get: summary: 按语义相似性搜索文档。 description: 使用最多 400 个单词的查询文本启动搜索操作，并从存储的知识中接收最语义相似的响应。对于问答，将您的问题转换为理想答案并提交，以接收类似的真实答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到语义相似知识块的最多 400 个单词的句子。 schema: type: string - name: n in: query description: 要返回的语义相似文本块的数量。使用 'n=3' 获取最多 5 个，使用 'n=10' 获取更多信息。如果您没有收到足够的信息，请考虑尝试使用更大的 'n' 值。 schema: type: integer responses: "200": description: 成功检索文档 content: application/json: schema: type: object properties: data: type: array description: 语义相似知识块的列表 items: type: object properties: chunk_id: type: string description: 块的唯一标识符。 document: type: object description: 文档详细信息。 properties: id: type: integer description: 文档的唯一标识符。 document_id: type: string description: 文档的唯一标识符。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 size: type: string description: 文档的大小。 created_time: type: string description: 文档创建的日期和时间。 modified_time: type: string description: 文档最后修改的日期和时间。 integration: type: object description: 文档的集成详细信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 数据源的总大小（以字节为单位） document_count: type: integer matched_content: type: string description: 语义相似的内容。 distance: type: number description: 余弦相似度 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 nullable: true "400": description: 错误请求 "401": description: 未授权 "404": description: 未找到 "500": description: 服务器内部错误 /documents/{document_id}/contents/: get: summary: 按 ID 检索特定文档内容。 operationId: document_get_content description: 返回具有指定 ID 的文档的内容，以及最新检索块的索引。每次调用最多获取 20 个块。要获取更多，请使用响应中的 end_chunk 值作为下一次调用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要检索内容的文档 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望检索的起始块。如果未指定，默认值为 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望检索的结束块。如果未指定，默认值为 start_chunk + 20。 responses: "200": description: 文档内容和最新检索块的索引。 content: application/json: schema: type: object properties: content: type: string description: 文档的内容。 end_chunk: type: integer description: 最新检索块的索引。 "404": description: 文档未找到。 "500": description: 服务器内部错误。 /common-knowledge/subscribed-list/: get: description: 此操作检索用户订阅的共享知识（也称为常识）列表。每个共享知识包括用户可以访问的文档 ID 列表。 operationId: common_knowledge_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: array items: type: object properties: id: type: integer description: 这是共享知识的唯一标识符。请勿在任何地方显示此信息。 num_of_subscribers: type: integer description: 这表示订阅此共享知识的用户数量 publisher_name: type: string published_by_me: type: boolean description: 这表示共享知识是否由当前用户发布 subscribed_by_me: type: boolean description: 这表示共享知识是否由当前用户订阅，在此 API 中应为 true created: type: string description: 这是共享知识创建的时间 modified: type: string description: 这是共享知识最后修改的时间 name: type: string description: 这是共享知识的名称 image_url: type: string description: 这是共享知识的图像 URL description: type: string description: 这是共享知识的描述 memento: type: integer description: 这是 Rememberizer 备忘录的 ID，来自于创建共享知识的地方。 document_ids: type: array items: type: integer description: 这是属于共享知识的文档 ID 列表 /documents/memorize/: post: description: 将内容存储到数据库中，以便稍后通过搜索端点访问。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 内容存储成功 "400": description: 错误请求 "401": description: 未授权 "500": description: 服务器内部错误 /discussions/{discussion_id}/contents/: get: summary: 按 ID 检索讨论的内容。讨论可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的讨论的内容。讨论可以是 Slack 或 Discord 聊天。响应包含 2 个字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而后者是讨论的线程。 parameters: - in: path name: discussion_id required: true description: 要检索内容的讨论 ID。讨论是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示讨论的集成。目前，它只能是“slack”或“discord”。 - in: query name: from schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的起始时间。如果未指定，默认时间为现在。 - in: query name: to schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的结束时间。如果未指定，则为“from”参数之前的 7 天。 responses: "200": description: 在时间范围内的讨论的主要和线程消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要讨论的内容。 thread_contents: type: object description: 包含讨论线程的字典列表，每个键表示线程的日期和时间（以 ISO 8601 格式），值为线程的消息。 "404": description: 讨论未找到。 "500": description: 服务器内部错误。 ||CODE_BLOCK||
5. 将此链接添加为隐私政策：`https://docs.rememberizer.ai/notices/privacy-policy`。 6. 创建操作后，复制回调 URL 并将其粘贴到您的 Rememberizer 应用中。
rememberizer app callback url
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帐户下创建和注册 Rememberizer 应用。Rememberizer 应用可以代表用户进行操作。 --- # 注册 Rememberizer 应用 1. 在任何页面的左上角，点击 **开发者**，然后点击 **注册应用**。
registered apps browse
2. 点击 **注册新应用**。将出现一个弹出窗口以填写您的应用信息。
register new app
3. 在 **"应用名称"** 中，输入您的应用名称。 4. 在 **"描述（可选）"** 中，如果需要，请填写您的应用描述。 5. 在 **"应用标志（可选）"** 中，如果有，请上传您的应用标志。 6. 在 **"着陆页 URL"** 中，输入您的着陆页域名。您的着陆页包含有关您的应用程序的详细摘要，以及它如何与 Rememberizer 集成。 7. 在 **"授权请求来源"** 中，输入您应用网站的域名。 8. 在 **"授权重定向 URL"** 中，输入您应用的回调 URL。 9. 点击 **"创建应用"**。 ==> developer/README.md <== # 开发者 ==> developer/vector-stores.md <== --- description: >- 本指南将帮助您了解如何作为开发者使用 Rememberizer 向量存储。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量存储 Rememberizer 向量存储简化了处理向量数据的过程，使您能够专注于文本输入，并利用向量的力量用于搜索和数据分析等各种应用。 ### 介绍 Rememberizer 向量存储旨在提供一个易于使用的接口来处理向量数据。与传统的向量数据库（如 Pinecone）不同，Rememberizer 向量存储允许您直接处理文本。该服务将处理文本数据的分块、向量化和存储，使您能够更专注于核心应用逻辑。 ### 开始使用 #### 创建向量存储 1. 在您的仪表板中导航到向量存储部分 2. 点击“创建新向量存储”： * 将出现一个表单，提示您输入详细信息。 3. 填写详细信息： * **名称**：为您的向量存储提供一个唯一的名称。 * **描述**：写一个简短的向量存储描述。 * **数据模式**：定义向量维度和任何附加字段。 * 您可以选择性地指定嵌入模型、索引策略和相似性度量。这些设置会影响向量的生成和比较，优化您特定用例的性能。 4. 提交表单： * 点击“创建”按钮。您将收到成功通知，新存储将出现在您的向量存储列表中。
创建一个新的向量存储

创建一个新的向量存储

#### 管理向量存储 1. 查看和编辑向量存储： * 访问管理仪表板以查看、编辑或删除向量存储。 2. 查看文档： * 浏览特定向量存储中的单个文档及其相关元数据。 3. 统计信息： * 查看详细统计信息，例如存储的向量数量、查询性能和操作指标。
查看向量存储的详细信息

查看向量存储的详细信息

### API 密钥管理 API 密钥用于验证和授权访问 Rememberizer 向量存储的 API 端点。正确管理 API 密钥对于维护您的向量存储的安全性和完整性至关重要。本节涵盖如何为您的向量存储创建和撤销 API 密钥。 #### 创建 API 密钥 1. 前往您的向量存储详细信息页面 2. 导航到 API 密钥管理部分： * 它可以在“配置”选项卡中找到 3. 点击 **“添加 API 密钥”**： * 将出现一个表单，提示您输入详细信息。 4. 填写详细信息： * **名称**：提供一个名称以帮助您识别其用例。 5. 提交表单： * 点击“创建”按钮。新的 API 密钥将被生成并显示。确保复制并安全存储。此密钥用于验证对该特定向量存储的请求。
创建新的 API 密钥

创建新的 API 密钥

#### 撤销 API 密钥 如果不再需要 API 密钥，可以删除它以防止任何潜在的滥用。 出于安全原因，您可能希望定期更换 API 密钥。这涉及生成一个新密钥并撤销旧密钥。 ### 使用 API 密钥检索向量存储信息 在创建新的向量存储并生成 API 密钥后，您可以将此密钥分享给需要访问向量存储的用户。API 密钥允许用户上传文档、搜索文档以及在向量存储中执行其他操作。然而，在用户可以与向量存储交互之前，他们需要使用 API 密钥检索向量存储的 ID 和其他相关信息。 有关每个 API 端点和响应的详细信息，请访问 [vector-store](api-documentations/vector-store/ "mention") 页面。 *** 确保安全处理 API 密钥，并遵循 API 密钥管理的最佳实践。 ==> developer/api-documentations/retrieve-current-users-account-details.md <== # 获取当前用户的账户详情 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/account/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-slacks-content.md <== # 获取 Slack 的内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/discussions/{discussion_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-document-contents.md <== # 获取文档内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/{document_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/get-all-added-public-knowledge.md <== # 获取所有添加的公共知识 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/common_knowledge/subscribed-list/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/README.md <== # API 文档 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 密钥](../registering-and-using-api-keys.md) 进行 API 身份验证。OAuth2 是一个标准的授权框架，使应用程序能够安全地访问系统中的特定文档。另一方面，API 密钥提供了一种更简单的方法，从公共知识库中检索文档，而无需经历 OAuth2 身份验证过程。 ==> developer/api-documentations/search-for-documents-by-semantic-similarity.md <== # 按语义相似性搜索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/search/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-documents.md <== # 获取文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的数据源集成 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/integrations/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/memorize-content-to-rememberizer.md <== # 将内容记忆到 Rememberizer {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/memorize/" method="post" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/get-the-information-of-a-document.md <== # 获取文档信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/remove-a-document-in-vector-store.md <== # 从向量存储中删除文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="delete" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md <== # 更新文件内容到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="patch" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md <== # 按语义相似性搜索向量存储文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi (1).yml" path="/vector-stores/{vector-store-id}/documents/search" method="get" %} [rememberizer_openapi (1).yml](<../../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/upload-files-to-a-vector-store.md <== # 将文件上传到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/upload" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md <== # 获取向量存储中的文档列表 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/README.md <== # 向量存储 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 获取向量存储的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/me" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md <== # 将新文本文档添加到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/create" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> notices/terms-of-use.md <== # 使用条款 ### 1. 引言 本文档概述了Skydeck AI Inc的一项服务Rememberizer（"Rememberizer"）的使用条款（“条款”），包括在*.rememberizer.ai中为用户提供的所有页面，以及链接到这些条款的任何其他页面（"网站"）。这些条款构成了您作为用户与Skydeck AI Inc作为这个平台提供者之间的具有法律约束力的协议。通过访问或使用这个平台，您确认同意遵守这些条款。 ### 2. 接受条款 通过访问或使用网站的任何部分，您确认您至少已经18岁，已经阅读并理解这些使用条款以及Rememberizer隐私政策（隐私政策已被引入并构成本条款的一部分），并同意受其法律约束。 在这些条款中，“我们”指的是Rememberizer，而“您”既指您个人，也指您代表的任何实体。通过使用我们的平台，您确认您可以代表此类实体接受这些条款，从而使其受到这些条款的约束。 ### 3. 联系信息 SkyDeck AI Inc. 是您签约的实体。我们的邮寄地址和联系方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 旧金山，加利福尼亚州 94104\ 电话：1.415.744.1557\ 法律咨询：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ### 4. 授权许可和专有权利 在您全面遵守这些条款、平台发布的任何其它政策或限制，及时支付与 Rememberizer 协商的任何费用的前提下，我们授予您有限的、非独家的、不可转让的、可撤销的许可，让您可以访问和使用平台。 除非另有说明，平台提供的所有内容（包括但不限于软件、提交内容、信息、用户界面、图形、商标、标志、图像、艺术作品、视频、文件，以及平台的整体“外观”）均由 Rememberizer 所有、控制、或获得许可。这些内容受到包括商业装潢、版权、专利和商标法等各种法律以及其它知识产权和不正当竞争法的保护。 Rememberizer 保留所有权利。 您的内容仍然是您的唯一财产。您授予我们一个非独家的、可撤销的许可，让我们可以为您提供服务的目的使用您的内容。 任何未经授权的复制、重新分发、使用或利用平台的任何部分，都严格禁止，可能会造成民事或刑事惩罚。 ### 5. 账户责任 如果您在平台上开设账户，您有责任维护您的账户信息的保密性，并负责您账户下的所有活动。接受这些条款并创建账户即表示您同意我们按照隐私政策所述收集、使用和披露您的信息。对于记忆者（Rememberizer）或平台，未满18岁的人不得注册账户或提供任何个人信息。如果发现账户被未经授权的使用，立即通知记忆者。因为未经授权的使用可能导致您承担损失。未经记忆者预先批准，不得使用他人的账户。在禁止的地方，账户注册无效。 ### 6. 用户权利和责任 作为用户，您有权利为合法商业目的使用我们的AI工具。您有责任不滥用或滥用这些工具，不侵犯他人的权利，也不违反任何法律。在使用平台时，您需遵守所有适用的法律和法规。 ### 7. 提供商权利和责任 我们，Rememberizer.，保留监控使用情况、执行这些条款以及根据需要更新平台及其条款的权利。我们负责提供可靠的服务，尊重用户的隐私，并对任何问题或疑虑作出回应。 ### 8. 内容规则 由我们的AI工具生成的内容由您，作为用户，拥有，但需遵守这些条款中规定的任何限制或条件。内容不应用于非法或不适当的用途。 ### 9. 滥用和违约 滥用或违反这些条款可能导致处罚，包括但不限于，暂停或终止访问平台的权利，法律诉讼，和/或赔偿。 ### 10. 免责声明 您同意，使用该平台，包括任何内容，都是您个人的风险。平台和内容以“原样”和“可用”的基础提供。Rememberizer不做任何明示或暗示的保证，并放弃所有可能的保证，包括但不限于暗示的适销性、特定目的适用性、权属和非侵权的保证。Rememberizer不能保证平台或内容是准确的、始终可用的、完整的、可靠的、安全的、最新的、无误的，或者没有病毒或其他有害组件。 ### 11. 赔偿 您同意赔偿，为记忆器及其高级职员，董事，股东，继承人，员工，代理人，子公司和关联公司进行辩护，并使其免受任何实际或威胁的第三方索赔，要求，损失，损害，费用，责任，诉讼和费用（包括合理的律师和专家费用以及调查成本），在法律允许的最大范围内。这包括由于您使用平台，违反了这些条款，违反了任何法律法规，侵犯了任何第三方权利，或者您泄露，征询或使用任何个人信息（无论是否经过您的知情同意）而产生的任何问题。记忆器有权假定您须要赔偿的任何事项的专属辩护和控制权，并且您同意与记忆器的这种索赔辩护合作。在未征得记忆器事先书面同意的情况下，您不得同意任何影响记忆器的和解。 ### 12. 暂停或终止访问权 Rememberizer保留随时暂停或终止您对平台的任何或所有访问权的权利，无论是否通知，无论何种原因。这包括但不限于违反这些条款，应执法机构或其他政府机构的要求，中断或明显修改平台，或出现意外的技术问题。Rememberizer对于终止您对平台的访问权并不承担责任。在终止您的访问权后，任何应自然延续的根据这些条款的权利和义务将继续有效。 ### 13. 责任限制 在法律允许的最大范围内，您同意承担因您访问和使用该平台及内容而产生的所有风险。Rememberizer或其任何董事、员工、代理或供应商将不承担因使用或与平台相关，以及任何在平台上包含或以其他方式可通过平台获得的内容、服务或产品而产生的任何特殊的、间接的、附带的、示例性的、后果性的或惩罚性的损害。Rememberizer因这些条款或因使用或无法使用平台而对您产生的总累计责任，不会超过一百美元（$100.00）。 ### 14. 争议解决 任何因这些条款而引发或与此相关的纷争、争议或索赔，包括其有效性、无效性、违规或终止，应根据美国仲裁协会的规则通过仲裁解决。仲裁地点应在加利福尼亚州的圣何塞，程序应遵循加利福尼亚的法律。仲裁裁决应对双方都是最后且具有约束力的。 ### 15. 条款的更改 记忆器保留随时更改这些条款的权利，这完全由我们自行决定。更改将通过适当的渠道通知用户，例如电子邮件通知、网站横幅或应用内消息， 并将给予用户合理的时间接受新的条款。 ### 16. 翻译 为了方便您，我们提供了此文档的机器翻译版本，语言为英语以外的其他语言。在原始英语版本与其他语言版本之间存在冲突或矛盾时，以英语版本为准，优先适用。通过依赖此文档的非英语翻译，您接受翻译文本与您已同意的实际条款之间可能存在意外差异。 ==> notices/privacy-policy.md <== # 隐私政 ## Rememberizer 隐私政策 SkyDeck AI Inc.（"Rememberizer"，"我们"，"我们的"或"我们"）尊重您的隐私，并致力于通过遵守此政策来保护。此政策描述了我们可能从您那里收集的信息类型，或者您在使用 rememberizer.ai 生成 AI 平台（我们的"服务"）时可能提供的信息，以及我们收集、使用、维护、保护和披露此类信息的做法。 ### 我们收集的关于您的信息及其收集方式 我们从用户及其使用我们服务的相关信息中收集几种类型的信息，包括： * 个人信息，例如您的姓名、电子邮件地址以及其他您可能通过在线或离线方式被联系的标识符。 * 技术数据，例如有关您的互联网连接的信息、您用来访问我们服务的设备以及使用详情。 * 访问您提供的第三方供应商生成的 AI 模型的 API 密钥和凭据。 * 文档内容（“知识”），包括整篇文档（如 Google Docs）、数据和讨论（如 Slack 频道的内容）。这些信息来自您选择并决定与 Rememberizer 分享的数据源。 我们收集这些信息： * 直接从您那里，当您授权访问某个数据源时提供给我们的。 * 直接从您集成的应用程序，当该应用程序选择将文本存储在 Rememberizer 内存中以供该应用程序或其他应用程序以后使用时。 * 当您浏览服务时自动收集。自动收集的信息可能包括使用详情、IP 地址以及通过 Cookie、网络信标和其他跟踪技术收集的信息。 * 当您更改源数据时自动收集，以便最新版本能够反映在我们的知识中。 * 我们确认，从 Google Workspace API 检索的任何用户数据不会用于训练任何 AI/ML 模型。此数据仅对已提供明确同意的个人用户可访问，仅用于向您提供和改善我们的服务。 ### 我们如何使用您的信息 我们使用我们收集你的信息或是你提供给我们的信息，包括任何个人信息： * 为您提供服务及其内容，及您从我们那里请求的任何其他信息、产品或服务。 * 为了实现您提供的任何相关目的。 * 为您发送有关您账户的通知。 * 执行我们的义务，维护您和我们之间签订任何合同中产生的权力。 * 通知您我们的服务或是我们提供的任何产品或服务的变化。 * 改进我们的服务、产品或服务。 * 允许您参与我们服务上的互动功能。 * 知识文档的文本部分存储在块中，并在矢量数据商店中索引，以便将估计具有语义相关性的部分返回给您授权访问的第三方应用程序。 ### 第三方分享 Rememberizer的主要目的之一是以受控方式与第三方应用分享您的高度相关数据摘录。这是通过将单一的 **回忆录** 应用到与Rememberizer集成且您也选择授权访问Rememberizer中的数据的每个应用程序来实现的。 当前的回忆录实现允许用户选择特定的文件，文档或一组内容，如文件夹或频道，由该应用程序使用。后续的实现将添加更多方式来过滤第三方访问，如"在过去的30天内创建"等时间范围。\ \ 两个默认值分别为"无"和"全部"。全部表示用户已授权Rememberizer访问的每个文件。无则表示对应用程序不进行任何分享。选择无可以让用户选择一个应用程序并将其与Rememberizer集成，而无需当场决定要提供哪些内容。选择带有无的回忆录或编辑现有应用的回忆录以分享无的，是关闭应用程序访问用户数据的一种方式，无需删除集成。这就像为您的数据设置了一个关闭开关。自定义的回忆录可以根据目的进行制作，并具有反映其目的的名称，例如“作业”或“市场营销”。 ### 信息的披露 我们可以无限制地披露关于我们用户的汇总信息，以及不会识别任何个人的信息。我们可能会按照此隐私政策中的描述披露我们收集或您提供的个人信息： * 对于为我们提供服务或代表我们提供服务并需要访问此类信息以完成工作的第三方供应商、服务提供商、承包商或代理。 * 为完成您提供信息的目的。如果我们在您提供信息时提到了任何其他目的。 * 在您同意的情况下。 ### 您的权利 根据适用的数据保护法，您拥有某些权利。这可能包括： * 请求查看您的个人数据。 * 请求更正我们持有的关于您的个人数据。 * 请求删除您的个人数据。 * 反对处理您的个人数据。 * 请求限制处理您的个人数据。 * 请求转移您的个人数据。 * 撤回同意的权利。 ### 数据安全 我们已经实施了旨在保护您的个人信息免受意外丢失以及未经授权的访问，使用，更改和抏露的措施。您向我们提供的所有信息都存储在我们的安全服务器的防火墙后面。任何支付交易和API密钥都将使用SSL技术加密。 ### 我们的隐私政策的变更 我们的政策是在这个页面发布我们对隐私政策所做的任何更改。如果我们对处理用户个人信息的方式做出重大更改，我们会通过服务首页上的通知告知您。 ### 联系信息 如需询问或评论本隐私政策及我们的隐私实践，请通过以下方式与我们联系： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 旧金山，加州 94104\ 电话：1.415.744.1557\ 电子邮件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/README.md <== # 通知 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此次发布专注于改善数据索引、使用跟踪、性能和用户体验的提升。 --- # 2024年9月13日 ### 改进 - **改进的使用追踪**：新的逻辑提供了更准确的存储和使用限制监控。 - **增强的性能**：Memento 操作现已优化以提高响应速度。 - **增强的错误显示**：当文档索引失败时，知识页面上的错误消息更清晰，使识别问题变得更容易。 - **简化的数据源连接**：连接后，数据源面板现在会自动打开，简化了设置过程。 - **改进的默认设置**：默认用户设置已更新，以提高性能和准确性。 ### 新功能 - **批量文档删除**：您现在可以一次删除多个文档，从而简化数据管理。 - **自动重新索引**：在需要时，集合会自动重新索引，确保搜索结果是最新的。 ### 错误修复 - **修复索引错误**：解决了数据索引的问题，以提高搜索的可靠性。 - **减少通知垃圾邮件**：修复了导致与文档成员资格相关的过多通知的问题。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如“探索应用”页面和改进的文档管理，以及关键的优化和错误修复，以提供更流畅的用户体验。 --- # 2024年1月22日 ## 新功能 * **探索应用页面**：您现在可以直接从专用页面探索不同的应用。 * **配额控制**：现已推出新功能以在选择文件时控制配额大小，以确保更好的文件管理。 ## 改进 * **改进的文档搜索**：我们增强了搜索功能以返回文档的数量，使管理和导航您的文件更加容易。 * **改进的入职流程**：在入职步骤中添加了'跳过'按钮，使入职过程更具灵活性。 ## 错误修复 * 解决了处理复杂 PDF 文件的问题，以提高可读性和访问性。 * 解决了与 Slack 速率限制相关的问题，以实现无缝集成。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本专注于增强性能和稳定性，对同步过程进行了重大改进，并修复了已知问题。 --- # 2024年10月4日 ### 改进 - **优化了 Google Drive 导航**：提高了 Google Drive 知识树的性能，以实现更快、更流畅的浏览。 - **增强了同步效率**：通过优化任务管理来改进文档同步，以实现更快的更新。 ### 错误修复 - **解决了断开数据源时崩溃的问题**：修复了在知识面板打开时断开数据源导致应用崩溃的问题。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此更新带来了高级备忘录集成功能，改进了Dropbox和Google Drive的同步功能，并进行了关键的错误修复，以增强用户体验和系统可靠性。 --- # 2024年4月26日 ## 新特性 * **公共应用的搜索功能:** 在公共应用页面添加了一个新的搜索功能，使用户能够更高效地找到应用程序。 ## 改进 * **已连接应用的布局更新：** “您的已连接应用”页面的布局已更新，以提供更好的用户体验和导航。 * **常识卡片更新：** 提炼备忘页面中的常识卡片现在显示大小而不是文档数量，提供更清晰的存储使用信息。 * **Dropbox和Google Drive的自动同步功能增强：** Dropbox和Google Drive的自动同步功能已增强，提供更流畅、更可靠的同步体验。 * **公共应用页面的分页：** 我们在公共应用页面上实现了分页，改善了导航和加载时间，以提供更好的用户体验。 * **常识卡片中备忘内容的更新精炼按钮：** 常识卡片备忘内容中的精炼按钮已更新，增强了可用性和清晰度。 ## 错误修复 * **子文件索引问题：** 修复了在首次连接集成时，所选文件夹中的子文件未正确索引的错误，确保全面的文件管理。 * **搜索失败的注销问题：** 解决了搜索不存在的备忘录失败时强制用户注销的问题，提高了错误处理和用户留存率。 * **个人资料编辑验证：** 解决了编辑个人资料页面上的验证问题，确保信息被准确捕获和处理。 ==> notices/releases/apr-5th-2024.md <== --- description: >- 此更新增强了与 Dropbox、Google Drive 和 Slack 的集成，并 精炼了文档管理，以提供更顺畅的用户体验。 --- # 2024年4月5日 ## 新特性 * **新知识树支持：** 扩展了树结构，以更好地与 Dropbox 和 Google Drive 整合，实现更直观的文档和文件夹管理。 * **Slack 回复同步：** 新增功能，更有效地同步新的 Slack 回复，帮助保持交流的无缝和更新。 ## 错误修复 * **常见知识页面修复：** 修复了与搜索、分页和更新常见知识页面上的日期时间格式相关的错误。 * **旧账户文件显示修复：** 我们修复了一个问题，即旧账户的选定文件未正确显示。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次发布专注于各种改进、新功能和错误修复，以增强用户体验和功能性。 --- # 2024年9月20日 ### 改进 - **数字格式增强**：大数字现已使用逗号显示，以便于阅读。 - **文档处理更新**：改进的机制高效管理和索引文档，即使在较大的文件夹中。 - **Slack和文档处理优化**：增强的API能够重新尝试所有失败的文档和Slack频道，确保更顺畅的操作。 ### 新特性 - **会员更新**：现在根据加载结果更新会员，以获取更准确的数据。 - **随机文档选择**：引入了随机选择以嵌入和加载文档，以多样化文档处理。 ### 错误修复 - **Dropbox 同步**：暂时禁用 Dropbox 同步以防止潜在的数据问题。 - **搜索字段改进**：知识详情页面上的搜索字段现在根据“file”查询参数自动填充，以便进行更精确的搜索。 - **加载后重新索引集合**：增强了加载结果 API，以自动重新索引集合。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本专注于提高文档索引的可靠性，并包括各种错误修复，以增强您的体验。 --- # 2024年10月25日 ### 新功能 - **索引失败的自动重试**：实现了自动重试机制，以确保未成功索引的文档会被重试，从而增强数据一致性。 ### 错误修复 - **改进搜索功能**：修复了一个问题，导致无法从连接到没有记忆的纪念品的应用程序中进行搜索。 - **系统稳定性增强**：解决了并发任务期间重叠的数据库连接，以提高性能。 - **Slack同步调整**：暂时禁用空Slack频道的同步，以避免不必要的错误。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增强了用户个人资料管理，改善了Slack和Dropbox的集成，引入了账户删除功能，并解决了关键的操作问题。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您现在可以直接在我们的平台上获取来自Dropbox的共享文件/文件夹。 * **账户删除**：如有必要，用户现在可以选择删除其账户。 * **Slack同步**：我们已经启动了与Slack的同步，以实现更好的集成，尽管Slack线程同步尚未包括在内。 * **用户档案**：用户现在可以更有效地更新他们的档案信息。 ## 改进 * **Slack 频道**：为了便于导航，Slack 频道现在按名称排序。 ## 错误修复 * 解决了应用程序目录中无效来源的问题。 * 解决了与 OpenAI GPT 相关的错误，以改善 API 调用。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增强的用户体验，改进了文档大小管理，更直观的搜索界面，以及无缝的 Dropbox 集成。我们还解决了关键错误。 --- # 2024年1月29日 ## 新功能 * **Dropbox集成**：您现在可以在我们的平台上直接索引、重新索引、列出并提交Dropbox文件。 * **Dropbox在入门步骤中**：Dropbox集成现在是入门步骤的一部分，使设置更加容易。 ## 改进 * **文档大小限制**：我们为每位用户限制了总文档大小为1GB，以确保优化性能。 * **改进的搜索体验**：搜索界面已进行优化，以提供更好的用户体验。 ## 错误修复 * 修复了处理空文档的问题，以实现更顺畅的操作。 * 解决了处理 Slack 附件时的错误，以实现无缝集成。 * 将“注册”按钮正确链接到“注册”页面。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改善了错误处理，增强了记忆侧边栏，并 精炼了测试。主要更新包括记忆大小显示、更好的错误 响应和自动版本检查。 --- # 2024年6月14日 ## 新功能 * **显示备忘录大小：** 备忘录的大小现在在备忘录侧边栏中显示，为用户提供了更好的存储使用情况洞察。 * **检查最新版本：** 我们添加了一个功能，允许桌面应用程序自动检查并通知用户可用的最新版本。 ## 错误修复 * **已删除备忘录返回404:** 检索已删除的备忘录或属于其他用户的备忘录现在返回404错误，而不是服务器错误。 * **更新第三方应用的大小:** 修复了一个问题，即第三方应用的记忆文档未触发备忘录的大小更新。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此次发布专注于增强Dropbox和Google Drive的同步性能和导航，为您提供更流畅、更高效的体验。 --- # 2024年9月27日 ### 改进 - **增强的云同步**：优化了Dropbox和Google Drive的同步过程，从而实现更快、更可靠的文件更新。 - **改进的Dropbox导航**：精炼了Dropbox知识树，以便更高效地组织文件和更轻松地访问。 - **定期同步计划**：设置Google Drive、Dropbox和Gmail的同步任务，每6小时执行一次，确保您的内容始终保持最新。 ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本专注于增强搜索功能和改善文档管理特性。 --- # 2024年8月16日 ### 新功能 - **增强搜索过滤器**：增加了按发件人和收件人过滤搜索结果的功能，使得查找特定电子邮件更容易。 - **文档创建日期显示**：现在在文档列表中显示文档创建日期，以便于更好的文档管理。 ### 改进 - **改善搜索可靠性**：搜索功能的增强提供了更顺畅和更可靠的体验。 ### 错误修复 - **电子邮件集成修复**：解决了使用 GPT 时与 Gmail 集成的问题，以确保顺利操作。 - **桌面应用内容显示修复**：修复了桌面应用中文档内容显示的问题，以提供更好的用户体验。 ==> notices/releases/mar-18th-2024.md <== --- description: >- 此版本专注于通过改进的入门、纪念品管理和响应式用户界面来增强用户体验。关键更新包括移除图像大小限制，显示纪念品大小。 --- # 2024年3月18日 ## 新功能 * **创建新记忆按钮：** 我们添加了一个新按钮，以在授权应用程序时创建记忆，使流程更加用户友好。 * **图片上传器无大小限制：** 用户现在可以上传任何大小的图片，提供了更多的文档设计灵活性。 * **常识大小显示：** 我们增加了显示常识项目大小的功能，提供了更多的存储使用透明度。 ## 改进 * **Slack 频道的索引时间：**现在在检查新消息时会更新索引时间，并且文档的 `INDEXED` 状态会得到维护，提高了文档搜索的效率。 * **更流畅的入门操作：**我们减少了入门流程中的冗余步骤，使其更快更高效。 * **常识部分的响应式 UI：**我们优化了 memento 页面上常识部分的 UI，使其具有响应性，从而改善了在各种设备上的可读性。 * **Memento 大小显示：**现在在授权应用程序时会显示 memento 的大小，帮助用户更好地理解他们授权的 memento。 ## 错误修复 **用户重命名应用程序：** 现在正确处理用户重命名应用程序的情况，防止潜在错误。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此更新增强了安全性，优化了界面，并解决了关键错误， 具有新的 API 限制、更新的密钥和 MacOS 应用程序。 --- # 2024年4月19日 ## 新特性 * **MacOS桌面应用程序：** 为MacOS用户推出专用桌面应用程序，提高可访问性和用户体验。 \ 查看文档：[Rememberizer桌面代理应用程序](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改进 * **应用目录用户界面更新：** 应用目录的新布局提供了更直观和用户友好的导航体验。 ## 错误修复 * **搜索文档换行处理：** 修复了在搜索文档查询中换行符和回车字符被错误移除的问题。 * **搜索 UI 显示错误：** 修正了搜索 UI 的一个错误，以确保在搜索结果中每个文档的 `创建于` 字段准确显示。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知识创建和显示、以及备忘录重命名等新功能。改进包括关于 Dropbox、查询结果和公共知识 UI 的关键错误修复。 --- # 2024年3月4日 ## 新功能 * **共享知识**：已实现创建和显示共享知识的新功能。 * **记忆重命名**：用户现在可以重命名他们的记忆。 ## 错误修复 * **Dropbox 文件显示**：解决了 Dropbox 中文件显示不正确的问题。 * **查询结果顺序**：修复了一个错误，导致连续块的查询结果返回无序结果。 * **常识 UI**：修复了常识功能的几个 UI 问题。 \ ==> notices/releases/oct-11th-2024.md <== --- description: >- 此次发布引入了我们的新向量数据库服务，以更高效的数据处理，同时增强系统稳定性并修复关键错误，以改善您的整体体验。 --- # 2024年10月11日 ### 新功能 - **向量数据库服务**：推出了一项新的向量数据库服务，以实现更高效的数据存储和更快的信息检索。 ### 改进 - **增强系统稳定性**：改进后端流程以防止竞争条件，确保文档处理更加顺畅。 - **优化连接管理**：实施更好的连接处理以提高性能和可靠性。 ### 错误修复 - **修复会员合并问题**：解决了在向量存储中合并会员数据时导致错误的问题。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增强了文档同步，简化了常见知识管理，并优化了用户界面，提高了整体系统效率和用户体验。 --- # 2024年4月12日 ## 新特性 * **云存储的自动同步：** 用户现在可以为Dropbox和Google Drive中的选定文件夹和文件设置自动同步，从而简化文档管理流程。 ## 改进 * **优化文档排序：** 现在可以通过索引日期或名称设置文档顺序，便于更直观的导航和检索。 * **备忘管理的UI更新：** 常识备忘UI已更新，包括一个新的共享设置切换，改善用户对数据共享的控制。 * **UI响应性和自定义：** 已实施小型UI修复。 ## 错误修复 * **入门流程：** 解决了用户入门步骤中未显示常识的问题，提升了新用户的初始设置体验。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此次发布增强了导航，改善了文档处理，并更新了应用名称。主要更新包括限制主页应用程序，更好的Slack文档处理，以及重命名桌面应用 --- # 2024年6月28日 ## 改进 * **限制主页上的应用程序数量：** 我们限制了主页上显示的应用程序数量，以便用户更容易导航并找到他们所需的内容。 * **后处理Slack文档：** 增强了对Slack文档的处理，以确保更顺畅和更准确的处理。 * **更新桌面应用程序名称：** 桌面应用程序已更名为“Rememberizer App”，以便更清晰和保持品牌一致性。 ==> notices/releases/README.md <== --- description: 公开声明、合规变更和用户帮助更新。 --- # 发布 © 2024 SkyDeck AI Inc. ==> notices/releases/may-31st-2024.md <== --- description: >- 此次发布增强了 SQL 查询，优化了用户界面，并修复了错误。主要更新：优化搜索、自动生成名称、新的纪念按钮和改进的导航。 --- # 2024年5月31日 ## 新功能 * **新纪念按钮:** 我们添加了一个新按钮，以便在授权应用程序时创建纪念品，使过程更加用户友好。 ## 改进 * **优化搜索：** 增强了搜索功能，提供更快速和更准确的结果。 * **授权应用时调整 UI：** 在授权应用时对用户界面进行了小幅调整，以提供更流畅的体验。 ## 错误修复 * **修复缩进问题：** 修复了缩进问题，以确保应用程序中的格式一致。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次发布。 --- # 2024年1月15日 ## 新功能 * **文档搜索**：通过我们高效的搜索功能轻松找到您的文档。 * **Google Drive 集成**：通过 Google Drive 无缝管理您的文件。 * **开发者中心**：为开发者提供一个用户友好的空间，方便他们注册和配置与 Rememberizer 的集成应用。 * **纪念品管理**：轻松创建、列出和删除您的纪念品。 * **数据源管理**：轻松连接和断开您的数据源。 * **简单入门**：我们的入门状态功能旨在为所有用户和开发者提供顺畅的开始。 \ ==> notices/releases/may-17th-2024.md <== --- description: >- 此次发布专注于改善用户体验、增强集成和修复各种问题。主要更新包括 Gmail 同步和显示目录路径。 --- # 2024年5月17日 ## 新功能 * **Gmail 集成与同步：** 连接您的 Gmail 帐户，在我们的平台上轻松管理电子邮件。上周，我们推出了标签特定的集成；本周，享受同一标签内线程的完全同步，以实现无缝访问和管理。 ## 改进 * **显示目录路径：** 该应用程序现在显示目录路径，使用户更容易导航和定位他们的文档。 * **更新图示：** 应用程序的图示已更新，以提供系统架构和数据流的更清晰视觉表示。 * **更改数据源顺序：** 数据源的顺序已优化，以提高数据检索和处理的效率。 * **更新数据获取逻辑：** 数据获取的逻辑已增强，以提高所检索信息的准确性和可靠性。 ## 错误修复 * **修复删除文档按钮 UI：** 嵌入详细信息中的删除文档按钮的用户界面已修复，以提供更好的用户体验。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在此版本中，我们为上传实施了 1MB 的图像大小限制，并增强了选择面板中的文档显示。我们还修复了与数据源断开连接相关的错误。 --- # 2024年2月26日 ## 改进 * **图像大小限制**：共享知识的裁剪图像大小不得超过1MB。 * **文档显示增强**：我们增加了在右侧选择面板内的树状结构中可以显示的文档数量，以改善用户体验。 ## 错误修复 * **数据源断开连接**：修复了一个问题，即断开数据源时未能适当地删除文档并移除数据源。\ ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本带来了改进的同步、增强的数据加密以及 多个错误修复，以提供更流畅的用户体验。 --- # 2024年3月25日 ## 改进 * **备忘录增强：** 添加了一个功能，以显示额外的备忘录信息并显示索引进度，使用户更容易跟踪其数据的状态。 ## 错误修复 * **UI 响应性：** 解决了断开连接按钮的多次点击问题，以防止 UI 错误。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本专注于改善我们的 Slack 集成，增强用户界面，并解决关键问题，以提供更流畅的体验。 --- # 2024年7月26日 **新功能：** * **Slack频道计数器**：一项新功能，准确计数并显示Slack频道的数量，帮助用户更好地管理他们的工作区连接。 **改进：** * **更新的Slack集成用户界面**：Slack集成的用户界面已更新，以支持新的频道机制，使其更加直观和易于使用。 * **应用名称更新**：桌面应用程序的名称已更新为“Rememberizer”，反映了我们帮助用户组织和记住重要信息的承诺。 **错误修复：** * **Google Drive集成**：解决了访问Google Drive文件夹时导致错误的问题，确保更顺畅的导航和文件管理。 ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此次发布专注于改善我们应用程序的整体性能、数据处理和 错误管理。用户可以期待更强大和高效的体验。 --- # 2024年8月2日 **新功能：** * **改进的搜索功能**：搜索功能现在支持并行内容检索，提供更快和更准确的结果。 * **精细化的文档通知系统**：用户将收到更精确的文档更新通知，增强协作和工作流程管理。 * **更新的API密钥格式**：更新API密钥前缀以提高安全性和便于识别。 **改进：** * **增强的数据管理**：系统现在更有效地处理空文档，确保所有相关信息得到正确索引和加载。 * **优化的记忆组织**：对记忆侧边栏的改进提供了更清晰的文档和文件夹视图，使导航更加直观。 * **简化的数据处理**：实施新的嵌入机制和向量数据库适配，以更高效地处理和分析数据。 **错误修复：** * **电子邮件编码兼容性**：当电子邮件字符集不正确时，更新系统编码格式，防止潜在的显示问题。 * **Gmail标签管理**：解决删除Gmail标签时的问题，确保电子邮件集成更加顺畅。 * **异常处理**：改进错误通知系统，以更好地管理和传达系统异常。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本专注于提高文档保存的可靠性。 --- # 2024年10月18日 ### 错误修复 - **增强文档保存稳定性**：改进了文档保存过程，以防止在同时编辑时出现潜在冲突。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本对 Memento 树进行了改进，提供了更好的排序，并修复了影响 GPT 应用程序中 API 请求的错误。 --- # 2024年2月19日 ## 改进 * **Memento Tree中的字母顺序排序**：为了提高导航效率，Memento tree中的文件和Slack频道现在按字母顺序排列。 ## 错误修复 * **GPT 应用**：我们修复了一个问题，该问题阻止了通过新设置的 GPT 应用进行 API 请求。 \ ==> notices/releases/mar-11th-2024.md <== --- description: >- 此更新带来了新功能和改进，包括简化的 Slack 集成、增强的文档和更高效的用户注册流程。 我们还修复了一些错误。 --- # 2024年3月11日 ## 新功能 * **用户Slack数据迁移:** 现在可以迁移用户Slack数据以适应Slack线程和回复，增强用户交互。 * **常识整合:** 已将常识添加到整合资源端点，扩展了我们系统的能力。 * **置顶共享知识项:** 系统管理员现在可以将共享知识项置顶，提高可见性和可访问性。 * **安全处理文件:** 系统将不再因为空文件而失败，提高系统可靠性。 * **管理共享知识:** 用户现在可以删除和编辑他们的共享知识，对共享内容有更多的控制。 ## 改进 * **Rememberizer UI更新：**Rememberizer的用户界面已根据Slack回复的新格式进行更新。 ## 错误修复 * **在常识之间切换：** 修复了在精炼纪念品时在常识之间切换的问题。 * **不支持的文档可见性：** 修复了导致不支持的文档被显示的问题。 * **用户文档列表：** 订阅的文档将不再出现在用户文档列表中。 * **纪念品大小估算：** 修正了纪念品估算大小的错误计算。 ==> notices/releases/feb-12th-2024.md <== --- description: >- 在此版本中，我们引入了一个公共常识页面，改进了纪念品结构和入门用户界面，并修复了与应用授权计数相关的错误。 --- # 2024年2月12 ## 新功能 * **公共知识页面**: 为了更好地获取和分享信息，我们实施了新的公共知识页面。 * **入职中的公共知识**: 用户现在可以直接从入职页面添加公共知识。 * **备忘录的树状结构**: 备忘录中的文件现在以树状结构返回，以便更清晰地导航和查看。 ## 改进 * **入职步骤的用户界面**：入职步骤的用户界面经过调整，以提供更好的用户体验。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此次发布为文档搜索、备忘录组织和集成管理带来了令人兴奋的改进。我们通过更流畅的导航和更高效的数据处理提升了用户体验。 --- # 2024年7月12日 ### 新功能 * **文档搜索**: 享受强大的新搜索功能，帮助您快速轻松地在文档中找到所需信息。 * **新的纪念树结构**: 体验我们直观的树结构，为您的纪念品组织提供新方式，使导航和管理信息变得更容易。 * **纪念品自动同步**: 通过我们新的纪念品自动同步功能，轻松保持您的数据最新。 ### 改进 * **增强的纪念品组织**：我们精简了纪念品侧边栏，以提供更清晰的文档和文件夹视图，使导航变得轻而易举。 * **集成管理**：通过新的下拉功能，轻松过滤和管理您的集成，让您对连接的服务拥有更多控制权。 * **更快的文档搜索**：我们新的防抖搜索功能在您输入时提供更快、更灵敏的结果。 * **首页和知识页面更新**：我们重新组织了关键页面上的集成布局，以改善可访问性和用户体验。 ### 错误修复 * **提高集成可靠性**：我们增强了系统，以更好地处理来自连接服务的信息，确保在使用集成时获得更顺畅的体验。 * **更清晰的用户界面**：我们已删除知识页面上不必要的警告信息，以实现更简洁的外观。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了Gmail集成，允许用户连接他们的账户并选择标签用于知识库，以及一个新的记忆功能以增强搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer Memory** 允许应用程序在用户的 Rememberizer 账户中保存和共享数据，为来自多个应用程序的重要信息提供集中位置。\ \ **好处** * **对用户：** 可以轻松访问所有应用程序的数据，各应用程序之间无缝同步，即使应用程序被卸载仍然可以持续存储。 * **对开发者：** 无需创建自定义数据存储系统，可以利用其他应用程序的数据，简化跨应用程序集成。 内存文档：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 内存 API 文档：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 集成：** 用户现在可以连接他们的 Gmail 账户并选择特定标签以添加到他们的知识库中。 * **Google Drive 共享驱动支持：** 我们已经添加了对 Google Drive 共享驱动的支持，允许用户在他们的知识库中包含来自共享驱动的文档。 ## 改进 * **文档索引：** 我们增强了文档索引过程，确保新文档能够成功上传和索引。如果索引失败，已经实现了重试机制。 * **应用发布流程：** 应用发布流程中的审核步骤已被移除，简化了开发者的流程。 * **连接的应用 UI：** “您的连接应用” UI 已得到增强，以应对没有连接应用的情况，改善用户体验。 ## 错误修复 * **重命名应用程序：** 解决了重命名应用程序时导致错误的问题。 ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次发布专注于增强用户体验、改善文档管理和优化 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack频道集成**：增强了对Slack频道的支持，改善了应用内的沟通与协作。 * **文档状态过滤器**：在嵌入详情页面新增了文档状态过滤器，使文档的跟踪和管理更加便捷。 * **分层文档显示**：在纪念品侧边栏中实现了新的树状视图，以分层方式组织文档和文件夹，改善导航体验。 * **高级搜索功能**：引入了日期范围过滤器，增强了搜索功能，使文档检索更加精准。 **改进** * **文档管理**：优化了将文档链接到知识详情页面的过程，简化了文档的组织和访问。 * **用户界面更新**：进行了多项UI增强，提升了整体应用的可用性和视觉吸引力。 * **性能优化**：重构了代码并更新了API调用，以提升应用性能和响应速度。 **错误修复** * **空搜索查询处理**：解决了空搜索查询未被正确处理的问题，提高了搜索的可靠性。 * **电子邮件集成**：修复了与GPT交互时电子邮件源处理相关的问题，确保与电子邮件服务的更顺畅集成。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此次发布专注于提升性能、改善身份验证，并提高整体可靠性，以提供更好的用户体验。 --- # 2024年11月1日 ### 改进 - **更快的搜索性能**：优化后端流程，以提供更快速的文档访问。 - **增强的认证系统**：升级认证以提高安全性和可靠性。 - **改善的索引可靠性**：增强文档索引的监控，以确保所有文档均可搜索。 - **优化的系统性能**：实施后端优化，以提供更快、更高效的服务。 ### 新功能 - **自动数据源重新连接**：数据源现在会自动保持连接，确保您可以不间断地访问您的信息。 ### 错误修复 - **增强隐私控制**：修复了一个问题，防止在用户视图中未经授权的列出，从而改善了隐私。 - **解决应用授权问题**：修正了与授权应用的重定向问题，实现无缝访问。 ==> notices/b2b/README.md <== --- description: 为Skydeck AI Inc交互的其他企业提供的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: 记忆者代理 --- # 关于 Reddit 代理 Rememberizer 代理从特定的 Sub-Reddits 中检索 Reddit 内容，以便用户和创作者可以查询其内容及其他参与者的潜在语义意义，从而使用他们自己的 AI 工具以及通过 Rememberizer 授权的其他工具与该内容进行互动。 ||CODE_BLOCK|| ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南将引导您将 Slack 工作区集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Slack 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能在这里看到所有可用的知识来源，包括 Slack。
您的知识，准备连接到 Slack

您的知识，准备连接到 Slack

3. 点击 Slack 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Slack 工作区。
Slack OAuth 屏幕

Slack OAuth 屏幕

> **注意：** 如果您看到一个警告，提示该应用程序未被 Slack 授权，那是因为 Rememberizer 旨在搜索 Slack 内容，而这违反了 [Slack 应用目录指南](https://api.slack.com/directory/guidelines)。 4. 点击 **"允许"** 将 Rememberizer Slack 应用安装到您的工作区。一旦您授予了必要的权限，您将被重定向回我们的平台，此时您应该看到您的 Slack 工作区已连接，并且侧边面板弹出。
A COMPANY 已被添加为知识来源

A-COMPANY 已被添加为知识来源

5. 现在您已连接，您需要指定我们的产品应该从哪些频道获取消息。从侧边面板中选择您想要的文件或文件夹。如果侧边面板未出现，请点击 **"选择"** 按钮以打开侧边面板。
选择要嵌入为知识的频道

选择要嵌入为知识的频道

6. 选择频道后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/manage-third-party-apps.md <== # 管理第三方应用 ## 探索第三方应用和服务 用户可以在 **应用目录** 页面查看和探索所有与 Rememberizer 连接的第三方应用，具体步骤如下。 * 在导航栏上，选择 **个人 > 查找应用**。然后，您将看到应用目录页面。
导航栏浏览应用目录页面

导航栏浏览应用目录页面

应用目录页面

应用目录页面

* 找到您想要探索的应用。您可以通过在搜索栏中输入应用名称并选择 **过滤和排序顺序** 来完成此操作。
带有过滤和排序按钮的搜索栏

带有过滤和排序按钮的搜索栏

* 点击 **第三方应用的名称** 或 **探索按钮** 来打开该应用。
应用名称和探索按钮

应用名称和探索按钮

* 使用该应用时，需要授权该应用与 Rememberizer 连接。有关流程的技术细节，请访问 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 页面。我们将以 **Rememberizer GPT 应用** 作为授权的 UI 流程示例。在第一次聊天后，您将看到该应用请求您登录 Rememberizer。
来自 Rememberizer GPT 应用的登录请求

来自 Rememberizer GPT 应用的登录请求

* 点击 **登录** 按钮。您将被重定向到授权页面。
授权页面

授权页面

* 您可以通过点击 **更改** 按钮来修改应用可以查看和使用的 Memento 和 Memory，并选择您想要的内容。 > **注意：** 有关 Memento 的详细信息，请访问 [mementos-filter-access.md](mementos-filter-access.md "mention") 页面。 > **注意：** 有关 Memory 集成的详细信息，请访问 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 页面。 * 点击 **授权** 完成该过程。然后您将再次被重定向回应用，您可以正常与其聊天。 > **注意：** 如果您点击 **取消** 按钮，您将再次被重定向到应用的登录页面，该应用将不会显示在 **应用目录** 页面中，而是会出现在 **您的连接应用** 页面中。如需完全取消授权过程的更多详细信息，请访问第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")。
成功连接的账户

成功连接的账户

## 管理您的连接应用 在 **应用目录** 页面，选择 **您的连接应用** 浏览该页面。
browse your connected app
您的连接应用页面

您的连接应用页面

该页面根据应用的状态将其分类为两种类型：**待处理应用** 和 **连接应用**。 * **待处理应用**：这些是您在 Rememberizer 上授权应用时点击 **取消** 按钮的应用。 * 如果您想完成授权过程，请点击 **继续**。 * 否则，点击 **取消** 完全撤回授权。该应用将再次显示在 **应用目录** 页面中。 * **连接应用**：您可以通过点击更改选项（如果尚未选择 Memento，则选择）来配置特定连接应用的 **Memento** 或 **记忆集成**。如果您想将第三方应用从 Rememberizer 中断开，请点击 **断开连接**。 ==> personal/rememberizer-memory-integration.md <== # Rememberizer 记忆集成 ### 介绍 Rememberizer Memory 允许第三方应用程序在用户的 Rememberizer 账户中存储和访问数据，为有价值的信息在多个用户的应用程序中保存和利用提供了一种简单的方法。 ### 益处 #### 对于用户 共享内存创建了一个单一的地点，所有用户应用程序的关键结果和信息都可以在一个位置找到。对用户的一些好处包括： * 便捷访问：重要数据被集中管理，允许用户和他们的应用程序轻松访问多个应用程序的结果。 * 应用之间同步：信息可以在用户的不同应用之间无缝共享和同步，无需用户额外付出努力。 * 持久存储：数据即使在单个应用程序被卸载后依然可以访问，不像特定应用的本地存储。 #### 对于应用开发者 共享内存为应用开发者提供了一种简单的方式来访问用户其他连接应用的数据： * 无需后端：应用无需开发自己的自定义后端系统来存储和共享数据。 * 利用其他应用：应用可以基于用户其他已安装应用生成的公共数据进行构建和利用，丰富自身功能。 * 跨应用集成：应用开发者的不同应用之间实现无缝集成和数据共享能力。 默认情况下，所有应用对共享内存具有只读访问权限，而每个应用只能写入自己的内存空间。用户可以根据需要自定义访问权限。这在数据共享与用户隐私和控制之间实现了平衡。 ### 配置您的记忆 #### 全局设置 全局设置允许用户配置所有使用共享内存的应用程序的默认权限。这包括：
在知识页面配置内存

在知识页面配置内存

#### 应用程序的默认内存和数据访问权限 * **读取自己的/写入自己的：** 应用程序仅被允许访问和修改自己的内存数据。 * **读取所有/写入自己的：** 应用程序可以读取所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存：** 默认情况下，应用程序无法访问或存储内存数据。 * **应用于所有选项：** 用户可以将所有应用程序特定的权限设置恢复为全局设置中选择的默认值。
memory settings panel
用户可以通过 _**忘记你的记忆**_ 选项清除所有内存文档：
忘记记忆时的确认模态

忘记记忆时的确认模态

#### 应用设置 对于每个连接的应用，用户可以自定义共享内存权限。点击 **“查找应用”**，然后点击 **“您的连接应用”** 或访问链接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 查看您连接的应用列表。然后，点击您想要自定义的应用的内存上的 **“更改”**：
在连接应用页面为每个应用配置内存

在连接应用页面为每个应用配置内存

#### 应用程序的内存访问权限 * **读取自己的/写入自己的**：权限仅允许应用程序访问和修改其自己的内存数据，防止其与其他应用程序的内存交互。 * **读取所有/写入自己的**：应用程序可以查看所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存**：应用程序被禁止访问或修改内存数据。 这使用户能够根据对特定应用程序的信任程度，对每个应用程序如何利用共享内存进行细粒度控制。单个应用程序的权限可以比全局默认设置更严格。 全局设置和应用程序设置共同为用户提供强大而易于使用的控制，管理他们的数据如何通过共享内存进行共享。 ### 与记忆功能集成 #### API 端点 Rememberizer 提供一个 API 端点 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 让 GPT 应用调用以记住内容。 注意：此 API 仅适用于具有 [OAuth2 认证的第三方应用](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 密钥](../developer/registering-and-using-api-keys.md)）。 #### 记住你的知识 在授权使用 Rememberizer 后，第三方应用可以记住它宝贵的知识。 在这里，我们将演示一个使用 Rememberizer GPT 应用的过程。 * 在使用 Rememberizer GPT 应用后，用户想要记住第三点“零成本抽象”。
与 Rememberizer GPT 应用互动

与 Rememberizer GPT 应用互动

* 要使用 Rememberizer 应用的记忆功能，用户必须首先授权该应用访问你的项目。使用 **memorize** 命令告诉应用需要存储哪些知识。
登录以授权 Rememberizer

登录以授权 Rememberizer

* 用户可以在这里配置记忆选项，默认值基于全局配置
授权屏幕

授权屏幕

现在，Rememberizer 成功地记住了知识。
successful memorize knowledge
* 在 Rememberizer 中，用户可以在 **嵌入知识详情** 页面查看最近的内容。
embedded knowledge detail
通过 **Talk to Slack** 应用，用户可以无缝地应用并继续使用他们已记住的数据。例如，记住的信息可以轻松查询和检索
在另一个应用中回忆记忆数据

在另一个应用中回忆记忆数据

### 通过 Memento 使用记忆数据 * 利用记忆数据的另一种方法是创建 **Memento** 并将记忆提炼到其中。有关创建说明的更多信息，请访问 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分。 * Rememberizer 将内容保存到文件中，用户可以选择任何应用程序将其内容提炼为 **Memento**。 > 注意：在旧版本中，Rememberizer 将内容保存到文件中，并按日期合并到文件夹中。
memory memento feature
通过 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用户即使在记忆应用配置关闭时也可以利用记忆数据。 ### 在 Rememberizer 中搜索记忆文档 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好地，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南将引导您完成将您的 Dropbox 集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Dropbox 集成 1. 登录到您的帐户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Dropbox。
Dropbox，准备作为知识来源连接

Dropbox，准备作为知识来源连接

3. 点击 **"允许"** 将 Rememberizer Dropbox 应用安装到您的帐户。
dropbox oauth
4. 一旦您授予了必要的权限，您将被重定向回我们的平台，在那里您应该能看到您的 Dropbox 帐户已连接，并且侧边面板会弹出。
dropbox auth redirect
5. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
dropbox choose knowledge
7. 选择您的文件和文件夹后，点击 **"添加"**，我们的系统将开始嵌入。这个过程可能需要几分钟，具体取决于数据量。 ### 连接到另一个Dropbox账户 如果你断开了你的Dropbox知识库，然后重新连接，很可能Dropbox会自动连接到你之前的Dropbox账户，完全跳过授权页面。 如果你想用另一个Dropbox账户连接： 1. 前往Dropbox网站，用你之前的账户凭证登录。 2. 登录后，点击右上角的个人头像。 3. 在下拉菜单中选择"设置"。 4. 在设置菜单中，选中"已连接的应用程序"标签。 5. 在已连接的应用程序列表中找到Rememberizer应用程序，并点击其旁边的"断开连接"。 6. 退出你之前的Dropbox账户。 7. 现在，当你试图再次将Dropbox连接到Rememberizer应用程序时，它会提示你授权新的Dropbox账户。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Slack 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Google Drive 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Google Drive。
drive personal knowledge
3. 点击 Google Drive 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Google Drive。选择您的 Google Drive 账户。
drive oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
drive oauth step 2
5. 通过点击 **"继续"** 允许 Rememberizer **查看和下载您所有的 Google Drive 文件**。
drive oauth step 3
6. 您将被重定向回我们的平台，此时您应该能看到您的 Drive 账户已连接，并且侧边面板弹出。
drive auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
drive choose knowledge
8. 选择文件后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Google Drive 数据。
drive choose knowledge checkbox
9. 选择您的文件和文件夹后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。
drive indexing
### Google Drive 集成的限制 * 虽然 Rememberizer 的 Google Drive 集成允许您访问和嵌入各种文件和文件夹，但由于 Google 设置的限制，目前无法访问或嵌入“计算机”部分的文件，该部分用于备份您计算机上的文件。 * 如果您需要从本地计算机嵌入文件，我们建议使用我们的 Rememberizer Agent 桌面应用程序。要了解有关 Rememberizer Agent 的更多信息以及如何安装和使用它，请参考我们的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Slack、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/README.md <== # 个人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以发布一个主题或问题，Rememberizer 将 提供一个文件列表，并提取在概念上相似的部分。 --- # 搜索你的知识 ## 在 Rememberizer 中搜索 * 在导航栏中，选择 **个人 > 搜索您的知识**。然后您将看到 Rememberizer 的搜索页面。
navbar search rememberizer (1)
search rememberizer page
* 输入您想要搜索的问题或主题，然后选择您想要限制应用程序访问的纪念品，并点击 Rememberizer 按钮（或按 Enter）。搜索过程可能需要几分钟，具体取决于 Memento 中的数据量。
在 Rememberizer 中搜索的纪念品过滤

在 Rememberizer 中搜索的纪念品过滤

* 最终，您将看到与您所需问题或主题匹配的文档列表。您可以点击文件，它将下拉与您的问题或主题相关的匹配文本块。
搜索结果的示例

搜索结果的示例

==> personal/rememberizer-app.md <== # Rememberizer 应用 ### 介绍 Rememberizer 应用程序是一款 MacOS 桌面应用，能够将您的本地文件转换为向量嵌入，并将其作为数据源上传到 Rememberizer 的知识库中。该应用程序使其他 LLM 通过 Rememberizer 的 API 查询您的嵌入，基于您本地文件的内容生成答案。 ### 优势。 * **数据利用：** 该应用程序帮助您以有意义和高效的方式利用本地文件。它从您的文件中提取有价值的数据，并使其可用于机器学习过程。 * **易用性：** 该应用程序具有用户友好的界面，安装和使用都很简单。它处理文件转换和数据上传的所有繁重工作，因此您无需操心。 * **集成：** Rememberizer 应用程序与其他 LLM 无缝集成。这使得它们能够通过 Rememberizer 的 API 查询您的嵌入，以根据您本地文件的内容生成答案。 ### 安装。 1. 从 [这里提供的链接](rememberizer-app.md#download-links) 下载一个版本的 Rememberizer 应用程序。 2. 下载完成后，在你的下载文件夹中找到 .dmg 文件并双击它。 3. 当新窗口打开时，将 Rememberizer 应用程序拖入你的应用程序文件夹。 4. 前往你的应用程序文件夹，点击 Rememberizer 应用程序以打开它。 ### 如何使用。 1. **登录：** 要使用 Rememberizer 应用程序，您需要使用您的 Rememberizer 账户登录。如果您没有 Rememberizer 账户，您需要创建一个。
rememberizer app sign in
rememberizer app success auth
2. **将文件夹添加到数据源：** 登录后，Rememberizer 应用程序将开始在后台运行。您可以通过点击状态栏中的小图标来访问它，如下所示。首次使用时，您需要将文件夹添加到数据源。这使得 Rememberizer 应用程序能够将这些文件夹中的文件转换为向量嵌入并上传到您的 Rememberizer 知识库。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上传：** 软件将无缝地将这些向量嵌入整合到您的 Rememberizer 知识数据库中。通过 Rememberizer 状态标签跟踪上传过程。
rememberizer app status
### 下载链接。 * Rememberizer 应用 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [发布说明](rememberizer-app.md#version-1.3.1-july-25-2024)。 请注意，建议始终使用最新版本的软件，以利用所有最新功能和改进。 Rememberizer 应用旨在使将本地文件转换为向量嵌入的过程尽可能无缝。享受以更高效的方式使用您的数据！ ### 发布说明. ### 版本 1.6.1（2024年10月4日） #### 功能和改进 * **支持空文件夹**：用户现在可以将空文件夹添加为数据源。 * **小幅改进**：对用户界面和性能进行了增强。 * **GPU支持和性能改进**：增加了对GPU加速的支持，以提高处理速度。 * **增强的嵌入程序**：配置为支持PyTorch的MPS版本，优化特定机器的构建。 * **智能CPU检测**：实现了CPU类型的检测，以确保使用最合适的嵌入程序版本。 * **改进的数据源管理**：利用批量删除API高效删除已移除数据源中的文件。 * **支持所有纯文本文件**：启用了对各种纯文本文件类型的处理。 * **遵循Gitignore规则**：现在在Git存储库中被gitignore规则忽略的文件将被排除在处理之外。 ==> personal/common-knowledge.md <== --- description: >- 通过添加对我们和其他人预先索引数据的AI访问，增强您的知识或快速入门。 --- # 常识 ## 什么是常识 在 Rememberizer 中，注册用户 **(发布者)** 可以通过备忘录选择他们上传的文档，并将其公开分享为常识。其他用户 **(订阅者)** 可以访问这些公共知识并将其添加到自己的资源中。 通过贡献他们的数据，其他用户可以共同增强常识页面上可用的信息。这种协作方式使所有用户能够访问更丰富的数据源，从而提高他们的 AI 应用程序的学习能力。 ## 添加公共常识 为了将公共常识订阅到您的资源中，请按照以下说明操作 * 在导航栏中，选择 **个人 > 常识**。然后，您将看到公共常识页面。
navbar browse ck
public ck page
* 然后，寻找您想要订阅的常识。您可以通过在搜索栏中输入常识的名称来查找该常识。您还可以选择搜索栏旁边的过滤选项。
搜索栏的过滤器

搜索栏的过滤器

搜索结果示例

搜索结果示例

* 然后点击公共常识上的 **添加** 按钮。成功订阅后，您将看到 **添加** 按钮变为 **移除** 按钮。
未添加的常识

未添加的常识

已添加的常识

已添加的常识

* 之后，如果您想要移除已订阅的常识，请点击 **移除** 按钮。 ## 创建共享知识 有关创建和共享共享知识的详细说明，请访问此页面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每个应用集成的 Memento 来限制其对您的知识的访问 --- # Mementos过滤器访问 ### 什么是备忘录，它们为什么存在？ Rememberizer 的一个主要目的是以受控的方式与第三方应用程序共享您数据的高度相关摘录。这是通过将单个 **备忘录** 应用到与 Rememberizer 集成的每个应用程序来实现的，您也选择授权这些应用程序访问您在 Rememberizer 中的数据。 当前的备忘录实现允许用户选择特定的文件、文档或内容组，例如可以被该应用程序使用的文件夹或频道。后续的实现将增加其他过滤第三方访问的方法，例如时间范围，如“在过去 30 天内创建”。\ \ 两个默认值是“无”和“所有”。所有共享用户允许 Rememberizer 访问的每个文件。无则不与相关应用共享任何内容。选择无允许用户选择一个应用并将其与 Rememberizer 集成，而无需当场决定要提供哪些内容。选择一个无的备忘录或编辑现有的应用备忘录以共享无，是一种关闭应用访问用户数据的方法，而无需删除集成。这就像是您数据的关闭开关。自定义备忘录可以专门制作，并具有反映这一点的名称，例如“作业”或“市场营销”。 ### 如何创建 Mementos？ 本指南将引导您完成创建 Mementos 的过程 1. 在选项卡中导航到 **个人 > Memento: 限制访问**，或访问 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您应该在屏幕左侧看到所有 Mementos
memento page
2. 点击 **创建新 memento**。然后填写您自定义 memento 的名称并点击 **创建**。之后，您应该看到您的 memento 已添加，并且可以在您的 memento 中包含数据源的列表。
create memento
memento detail
3. 点击您想要细化的数据源上的 **细化**，侧边面板将弹出。然后选择添加文件夹或文件，并点击 **细化** 将这些数据源添加到 Memento。
memento refine knowledge
4. 此外，对于常见知识源，您可以点击 **添加** 将知识包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允许用户高效管理来自各种来源的存储文件。 本节将向您展示如何访问、搜索、过滤和管理您上传的知识文件 --- # 管理您的嵌入知识 ## 浏览嵌入知识详情页面 在导航栏中，选择 **个人 > 您的知识**。 找到“您的知识”部分右侧的 **查看详情** 按钮并点击它。 然后，您将看到 **嵌入知识详情** 页面。
您的知识部分和 <strong>查看详情</strong> 按钮

您的知识部分和 查看详情 按钮

嵌入知识详情页面

嵌入知识详情页面

知识文件详情表包括以下属性： * **文档：** 文档或 Slack 频道的名称。 * **来源：** 文件上传的资源（Drive、Mail、Slack、Dropbox 和 Rememberizer 应用）。 * **目录：** 文件在源中的位置。 * **状态：** 文件的状态（索引中、已索引或错误）。 * **大小：** 文件的大小。 * **索引时间：** 文件被索引的日期。 * **操作：** 删除文件的按钮。对于状态为错误的文件，垃圾桶图标（删除按钮）旁边还会有一个重试图标。 ## 详细页面的功能 ### 搜索和过滤文件 用户可以通过 **搜索栏** 按名称搜索文档。在栏中输入名称，然后按 Enter 键获取结果。
搜索结果

搜索结果

您还可以选择 **状态过滤器** 和 **来源过滤器**。这将通过缩小搜索条件快速定位特定文档。
来源过滤器

来源过滤器

状态过滤器

状态过滤器

### 删除上传的文件 找到您想要删除的文件（如有需要可通过搜索）。然后点击**操作**列中的**垃圾桶图标**。
带有删除图标的文件

带有删除图标的文件

将弹出一个模态框以确认删除。点击**确认**，然后您将看到文件已被删除。
删除确认模态框

删除确认模态框

### 重试索引错误文件 用户可以重试嵌入那些 Rememberizer 无法索引的文件。要重试索引特定文件，只需点击 **操作** 列中删除按钮旁边的重试按钮。
特定错误文件的重试按钮

特定错误文件的重试按钮

如果用户想重试索引所有错误文件，请点击 **操作** 列标签旁边的重试按钮。
所有错误文件的重试按钮

所有错误文件的重试按钮

以下是成功重试索引来自 Gmail 集成的错误文件后的图像。
成功重试索引错误文件

成功重试索引错误文件

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Gmail 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Gmail。
gmail personal knowledge
3. 点击 Gmail 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，请求您允许 Rememberizer 访问您的 Gmail。选择您的 Gmail 账户。
gmail oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
gmail oauth step 2
5. 通过点击 **"继续"** 授予 Rememberizer **权限** 以访问您的 Gmail。
gmail oauth step 3
6. 您将被重定向回我们的平台，您应该能看到您的 Gmail 已连接。
gmail auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些电子邮件标签。点击 **"选择"** 按钮，并从侧边面板中选择您想要的电子邮件标签。所有属于所选标签的电子邮件将被嵌入。
gmail choose knowledge
8. 选择标签后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Gmail 数据。
gmail choose knowledge checkbox
9. 一旦您选择了标签，我们的系统将开始嵌入电子邮件和附件。此过程可能需要几分钟，具体取决于数据量。
gmail indexing
### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序（如 Slack、Box、Dropbox 等）中的知识结合起来，形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用条款 ### 1. 引言 本文档概述了Skydeck AI Inc的一项服务Rememberizer（"Rememberizer"）的使用条款（“条款”），包括在*.rememberizer.ai中为用户提供的所有页面，以及链接到这些条款的任何其他页面（"网站"）。这些条款构成了您作为用户与Skydeck AI Inc作为这个平台提供者之间的具有法律约束力的协议。通过访问或使用这个平台，您确认同意遵守这些条款。 ### 2. 接受条款 通过访问或使用网站的任何部分，您确认您至少已经18岁，已经阅读并理解这些使用条款以及Rememberizer隐私政策（隐私政策已被引入并构成本条款的一部分），并同意受其法律约束。 在这些条款中，“我们”指的是Rememberizer，而“您”既指您个人，也指您代表的任何实体。通过使用我们的平台，您确认您可以代表此类实体接受这些条款，从而使其受到这些条款的约束。 ### 3. 联系信息 SkyDeck AI Inc. 是您签约的实体。我们的邮寄地址和联系方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 旧金山，加利福尼亚州 94104\ 电话：1.415.744.1557\ 法律咨询：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ### 4. 授权许可和专有权利 在您全面遵守这些条款、平台发布的任何其它政策或限制，及时支付与 Rememberizer 协商的任何费用的前提下，我们授予您有限的、非独家的、不可转让的、可撤销的许可，让您可以访问和使用平台。 除非另有说明，平台提供的所有内容（包括但不限于软件、提交内容、信息、用户界面、图形、商标、标志、图像、艺术作品、视频、文件，以及平台的整体“外观”）均由 Rememberizer 所有、控制、或获得许可。这些内容受到包括商业装潢、版权、专利和商标法等各种法律以及其它知识产权和不正当竞争法的保护。 Rememberizer 保留所有权利。 您的内容仍然是您的唯一财产。您授予我们一个非独家的、可撤销的许可，让我们可以为您提供服务的目的使用您的内容。 任何未经授权的复制、重新分发、使用或利用平台的任何部分，都严格禁止，可能会造成民事或刑事惩罚。 ### 5. 账户责任 如果您在平台上开设账户，您有责任维护您的账户信息的保密性，并负责您账户下的所有活动。接受这些条款并创建账户即表示您同意我们按照隐私政策所述收集、使用和披露您的信息。对于记忆者（Rememberizer）或平台，未满18岁的人不得注册账户或提供任何个人信息。如果发现账户被未经授权的使用，立即通知记忆者。因为未经授权的使用可能导致您承担损失。未经记忆者预先批准，不得使用他人的账户。在禁止的地方，账户注册无效。 ### 6. 用户权利和责任 作为用户，您有权利为合法商业目的使用我们的AI工具。您有责任不滥用或滥用这些工具，不侵犯他人的权利，也不违反任何法律。在使用平台时，您需遵守所有适用的法律和法规。 ### 7. 提供商权利和责任 我们，Rememberizer.，保留监控使用情况、执行这些条款以及根据需要更新平台及其条款的权利。我们负责提供可靠的服务，尊重用户的隐私，并对任何问题或疑虑作出回应。 ### 8. 内容规则 由我们的AI工具生成的内容由您，作为用户，拥有，但需遵守这些条款中规定的任何限制或条件。内容不应用于非法或不适当的用途。 ### 9. 滥用和违约 滥用或违反这些条款可能导致处罚，包括但不限于，暂停或终止访问平台的权利，法律诉讼，和/或赔偿。 ### 10. 免责声明 您同意，使用该平台，包括任何内容，都是您个人的风险。平台和内容以“原样”和“可用”的基础提供。Rememberizer不做任何明示或暗示的保证，并放弃所有可能的保证，包括但不限于暗示的适销性、特定目的适用性、权属和非侵权的保证。Rememberizer不能保证平台或内容是准确的、始终可用的、完整的、可靠的、安全的、最新的、无误的，或者没有病毒或其他有害组件。 ### 11. 赔偿 您同意赔偿，为记忆器及其高级职员，董事，股东，继承人，员工，代理人，子公司和关联公司进行辩护，并使其免受任何实际或威胁的第三方索赔，要求，损失，损害，费用，责任，诉讼和费用（包括合理的律师和专家费用以及调查成本），在法律允许的最大范围内。这包括由于您使用平台，违反了这些条款，违反了任何法律法规，侵犯了任何第三方权利，或者您泄露，征询或使用任何个人信息（无论是否经过您的知情同意）而产生的任何问题。记忆器有权假定您须要赔偿的任何事项的专属辩护和控制权，并且您同意与记忆器的这种索赔辩护合作。在未征得记忆器事先书面同意的情况下，您不得同意任何影响记忆器的和解。 ### 12. 暂停或终止访问权 Rememberizer保留随时暂停或终止您对平台的任何或所有访问权的权利，无论是否通知，无论何种原因。这包括但不限于违反这些条款，应执法机构或其他政府机构的要求，中断或明显修改平台，或出现意外的技术问题。Rememberizer对于终止您对平台的访问权并不承担责任。在终止您的访问权后，任何应自然延续的根据这些条款的权利和义务将继续有效。 ### 13. 责任限制 在法律允许的最大范围内，您同意承担因您访问和使用该平台及内容而产生的所有风险。Rememberizer或其任何董事、员工、代理或供应商将不承担因使用或与平台相关，以及任何在平台上包含或以其他方式可通过平台获得的内容、服务或产品而产生的任何特殊的、间接的、附带的、示例性的、后果性的或惩罚性的损害。Rememberizer因这些条款或因使用或无法使用平台而对您产生的总累计责任，不会超过一百美元（$100.00）。 ### 14. 争议解决 任何因这些条款而引发或与此相关的纷争、争议或索赔，包括其有效性、无效性、违规或终止，应根据美国仲裁协会的规则通过仲裁解决。仲裁地点应在加利福尼亚州的圣何塞，程序应遵循加利福尼亚的法律。仲裁裁决应对双方都是最后且具有约束力的。 ### 15. 条款的更改 记忆器保留随时更改这些条款的权利，这完全由我们自行决定。更改将通过适当的渠道通知用户，例如电子邮件通知、网站横幅或应用内消息， 并将给予用户合理的时间接受新的条款。 ### 16. 翻译 为了方便您，我们提供了此文档的机器翻译版本，语言为英语以外的其他语言。在原始英语版本与其他语言版本之间存在冲突或矛盾时，以英语版本为准，优先适用。通过依赖此文档的非英语翻译，您接受翻译文本与您已同意的实际条款之间可能存在意外差异。 ==> notices/privacy-policy.md <== # 隐私政 ## Rememberizer 隐私政策 SkyDeck AI Inc.（"Rememberizer"，"我们"，"我们的"或"我们"）尊重您的隐私，并致力于通过遵守此政策来保护。此政策描述了我们可能从您那里收集的信息类型，或者您在使用 rememberizer.ai 生成 AI 平台（我们的"服务"）时可能提供的信息，以及我们收集、使用、维护、保护和披露此类信息的做法。 ### 我们收集的关于您的信息及其收集方式 我们从用户及其使用我们服务的相关信息中收集几种类型的信息，包括： * 个人信息，例如您的姓名、电子邮件地址以及其他您可能通过在线或离线方式被联系的标识符。 * 技术数据，例如有关您的互联网连接的信息、您用来访问我们服务的设备以及使用详情。 * 访问您提供的第三方供应商生成的 AI 模型的 API 密钥和凭据。 * 文档内容（“知识”），包括整篇文档（如 Google Docs）、数据和讨论（如 Slack 频道的内容）。这些信息来自您选择并决定与 Rememberizer 分享的数据源。 我们收集这些信息： * 直接从您那里，当您授权访问某个数据源时提供给我们的。 * 直接从您集成的应用程序，当该应用程序选择将文本存储在 Rememberizer 内存中以供该应用程序或其他应用程序以后使用时。 * 当您浏览服务时自动收集。自动收集的信息可能包括使用详情、IP 地址以及通过 Cookie、网络信标和其他跟踪技术收集的信息。 * 当您更改源数据时自动收集，以便最新版本能够反映在我们的知识中。 * 我们确认，从 Google Workspace API 检索的任何用户数据不会用于训练任何 AI/ML 模型。此数据仅对已提供明确同意的个人用户可访问，仅用于向您提供和改善我们的服务。 ### 我们如何使用您的信息 我们使用我们收集你的信息或是你提供给我们的信息，包括任何个人信息： * 为您提供服务及其内容，及您从我们那里请求的任何其他信息、产品或服务。 * 为了实现您提供的任何相关目的。 * 为您发送有关您账户的通知。 * 执行我们的义务，维护您和我们之间签订任何合同中产生的权力。 * 通知您我们的服务或是我们提供的任何产品或服务的变化。 * 改进我们的服务、产品或服务。 * 允许您参与我们服务上的互动功能。 * 知识文档的文本部分存储在块中，并在矢量数据商店中索引，以便将估计具有语义相关性的部分返回给您授权访问的第三方应用程序。 ### 第三方分享 Rememberizer的主要目的之一是以受控方式与第三方应用分享您的高度相关数据摘录。这是通过将单一的 **回忆录** 应用到与Rememberizer集成且您也选择授权访问Rememberizer中的数据的每个应用程序来实现的。 当前的回忆录实现允许用户选择特定的文件，文档或一组内容，如文件夹或频道，由该应用程序使用。后续的实现将添加更多方式来过滤第三方访问，如"在过去的30天内创建"等时间范围。\ \ 两个默认值分别为"无"和"全部"。全部表示用户已授权Rememberizer访问的每个文件。无则表示对应用程序不进行任何分享。选择无可以让用户选择一个应用程序并将其与Rememberizer集成，而无需当场决定要提供哪些内容。选择带有无的回忆录或编辑现有应用的回忆录以分享无的，是关闭应用程序访问用户数据的一种方式，无需删除集成。这就像为您的数据设置了一个关闭开关。自定义的回忆录可以根据目的进行制作，并具有反映其目的的名称，例如“作业”或“市场营销”。 ### 信息的披露 我们可以无限制地披露关于我们用户的汇总信息，以及不会识别任何个人的信息。我们可能会按照此隐私政策中的描述披露我们收集或您提供的个人信息： * 对于为我们提供服务或代表我们提供服务并需要访问此类信息以完成工作的第三方供应商、服务提供商、承包商或代理。 * 为完成您提供信息的目的。如果我们在您提供信息时提到了任何其他目的。 * 在您同意的情况下。 ### 您的权利 根据适用的数据保护法，您拥有某些权利。这可能包括： * 请求查看您的个人数据。 * 请求更正我们持有的关于您的个人数据。 * 请求删除您的个人数据。 * 反对处理您的个人数据。 * 请求限制处理您的个人数据。 * 请求转移您的个人数据。 * 撤回同意的权利。 ### 数据安全 我们已经实施了旨在保护您的个人信息免受意外丢失以及未经授权的访问，使用，更改和抏露的措施。您向我们提供的所有信息都存储在我们的安全服务器的防火墙后面。任何支付交易和API密钥都将使用SSL技术加密。 ### 我们的隐私政策的变更 我们的政策是在这个页面发布我们对隐私政策所做的任何更改。如果我们对处理用户个人信息的方式做出重大更改，我们会通过服务首页上的通知告知您。 ### 联系信息 如需询问或评论本隐私政策及我们的隐私实践，请通过以下方式与我们联系： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 旧金山，加州 94104\ 电话：1.415.744.1557\ 电子邮件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此更新增强了与 Dropbox、Google Drive 和 Slack 的集成，并 精炼了文档管理，以提供更顺畅的用户体验。 --- # 2024年4月5日 ## 新特性 * **新知识树支持：** 扩展了树结构，以更好地与 Dropbox 和 Google Drive 整合，实现更直观的文档和文件夹管理。 * **Slack 回复同步：** 新增功能，更有效地同步新的 Slack 回复，帮助保持交流的无缝和更新。 ## 错误修复 * **常见知识页面修复：** 修复了与搜索、分页和更新常见知识页面上的日期时间格式相关的错误。 * **旧账户文件显示修复：** 我们修复了一个问题，即旧账户的选定文件未正确显示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本专注于改善用户体验、增强集成和修复各种问题。主要更新包括Gmail同步和显示目录路径。 --- # 2024年5月17日 ## 新功能 * **Gmail 集成与同步：** 连接您的 Gmail 帐户，在我们的平台上轻松管理电子邮件。上周，我们推出了标签特定的集成；本周，享受同一标签内线程的完全同步，以实现无缝访问和管理。 ## 改进 * **显示目录路径：** 该应用程序现在显示目录路径，使用户更容易导航和定位他们的文档。 * **更新图示：** 应用程序的图示已更新，以提供系统架构和数据流的更清晰视觉表示。 * **更改数据源顺序：** 数据源的顺序已优化，以提高数据检索和处理的效率。 * **更新数据获取逻辑：** 数据获取的逻辑已增强，以提高所检索信息的准确性和可靠性。 ## 错误修复 * **修复删除文档按钮的用户界面：** 嵌入详细信息中的删除文档按钮的用户界面已被修复，以提供更好的用户体验。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本专注于增强性能和稳定性，对同步过程进行了重大改进，并修复了已知问题。 --- # 2024年10月4日 ### 改进 - **优化了 Google Drive 导航**：提高了 Google Drive 知识树的性能，以实现更快、更流畅的浏览。 - **增强了同步效率**：通过优化任务管理来改进文档同步，以实现更快的更新。 ### 错误修复 - **解决了断开数据源时崩溃的问题**：修复了在知识面板打开时断开数据源导致应用崩溃的问题。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次发布专注于各种改进、新功能和错误修复，以增强用户体验和功能性。 --- # 2024年9月20日 ### 改进 - **数字格式增强**：大数字现已使用逗号显示，以便于阅读。 - **文档处理更新**：改进的机制高效管理和索引文档，即使在较大的文件夹中。 - **Slack和文档处理优化**：增强的API能够重新尝试所有失败的文档和Slack频道，确保更顺畅的操作。 ### 新特性 - **会员更新**：现在根据加载结果更新会员，以获取更准确的数据。 - **随机文档选择**：引入了随机选择以嵌入和加载文档，以多样化文档处理。 ### 错误修复 - **Dropbox 同步**：暂时禁用 Dropbox 同步以防止潜在的数据问题。 - **搜索字段改进**：知识详情页面上的搜索字段现在根据“file”查询参数自动填充，以便进行更精确的搜索。 - **加载后重新索引集合**：增强了加载结果 API，以自动重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我们最新的发布专注于提升性能、改善可靠性，并通过各种优化和修复提供更好的用户体验。 --- # 2024年11月8日 ### 改进 - **更新的入门体验**：通过更新的 Gmail 集成增强新用户入门视觉效果，以实现更顺畅的开始。 - **优化性能**：通过重新应用半精度向量提高应用程序的速度和效率。 - **增强搜索能力**：改进索引以获得更好的搜索结果和更快的信息检索。 - **提高文档处理可靠性**：增强嵌入任务中的重试处理，以实现更可靠的文档处理。 ### 错误修复 - **修复文档同步错误**：解决了与文档同步和处理错误相关的问题，提高了应用程序的稳定性。 - **解决备忘录访问错误**：修复了备忘录文档无法访问的错误。 - **确保文档索引**：修复了阻止创建向量存储表的问题，确保所有文档都被正确索引并可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改进了错误处理，增强了备忘录侧边栏，并 精炼了测试。主要更新包括备忘录大小显示、更好的错误 响应和自动版本检查。 --- # 2024年6月14日 ## 新功能 * **显示备忘录大小：** 备忘录的大小现在在备忘录侧边栏中显示，为用户提供了更好的存储使用情况洞察。 * **检查最新版本：** 我们添加了一个功能，允许桌面应用程序自动检查并通知用户可用的最新版本。 ## 错误修复 * **已删除的纪念品返回404:** 检索已删除的纪念品或属于其他用户的纪念品现在返回404错误，而不是服务器错误。 * **更新第三方应用的大小:** 修复了一个问题，即第三方应用的记忆文档未触发纪念品的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知识创建和显示以及纪念品重命名等新功能。改进包括关于Dropbox、查询结果和常识用户界面的关键错误修复。 --- # 2024年3月4日 ## 新功能 * **共享知识**：已实现创建和显示共享知识的新功能。 * **记忆重命名**：用户现在可以重命名他们的记忆。 ## 错误修复 * **Dropbox 文件显示**：解决了 Dropbox 中文件显示不正确的问题。 * **查询结果顺序**：修复了一个错误，即连续块的查询结果返回了无序结果。 * **常识 UI**：修复了常识功能的多个 UI 问题。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本专注于增强搜索功能和改善文档管理功能。 --- # 2024年8月16日 ### 新功能 - **增强搜索过滤器**：增加了按发件人和收件人过滤搜索结果的功能，使得查找特定电子邮件更容易。 - **文档创建日期显示**：现在在文档列表中显示文档创建日期，以便于更好的文档管理。 ### 改进 - **改善搜索可靠性**：搜索功能的增强提供了更顺畅和更可靠的体验。 ### 错误修复 - **电子邮件集成修复**：解决了使用 GPT 时与 Gmail 集成的问题，以确保顺利操作。 - **桌面应用内容显示修复**：修复了桌面应用中文档内容显示的问题，以提供更好的用户体验。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此更新带来了新功能和改进，包括简化的 Slack 集成、增强的文档和更高效的用户注册流程。 我们还修复了一些错误。 --- # 2024年3月11日 ## 新功能 * **用户Slack数据迁移:** 现在可以迁移用户Slack数据以适应Slack线程和回复，增强用户交互。 * **常识整合:** 已将常识添加到整合资源端点，扩展了我们系统的能力。 * **置顶共享知识项:** 系统管理员现在可以将共享知识项置顶，提高可见性和可访问性。 * **安全处理文件:** 系统将不再因为空文件而失败，提高系统可靠性。 * **管理共享知识:** 用户现在可以删除和编辑他们的共享知识，对共享内容有更多的控制。 ## 改进 * **Rememberizer UI更新：**Rememberizer的用户界面已根据Slack回复的新格式进行更新。 ## 错误修复 * **在常识之间切换：** 修复了在精炼纪念品时在常识之间切换的问题。 * **不支持的文档可见性：** 修复了导致不支持的文档被显示的问题。 * **用户文档列表：** 订阅的文档将不再出现在用户文档列表中。 * **纪念品大小估算：** 修正了纪念品估算大小的错误计算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本专注于改善我们的 Slack 集成，增强用户界面，并解决关键问题，以提供更顺畅的体验。 --- # 2024年7月26日 **新功能：** * **Slack频道计数器**：一项新功能，准确计算并显示Slack频道的数量，帮助用户更好地管理他们的工作区连接。 **改进：** * **更新的Slack集成用户界面**：Slack集成的用户界面已更新，以支持新的频道机制，使其更加直观和易于使用。 * **应用名称更新**：桌面应用程序的名称已更新为“Rememberizer”，体现了我们帮助用户组织和记住重要信息的承诺。 **错误修复：** * **Google Drive集成**：解决了访问Google Drive文件夹时导致错误的问题，确保更顺畅的导航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此次发布专注于增强Dropbox和Google Drive的同步性能和导航，为您提供更顺畅和高效的体验。 --- # 2024年9月27日 ### 改进 - **增强的云同步**：优化了Dropbox和Google Drive的同步流程，实现了更快和更可靠的文件更新。 - **改进的Dropbox导航**：精炼了Dropbox知识树，以便更高效地组织文件和更容易地访问。 - **定期同步计划**：设置Google Drive、Dropbox和Gmail的同步任务，每6小时进行一次，确保您的内容始终保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在此版本中，我们为上传实施了1MB的图像大小限制，并增强了选择面板中的文档显示。我们还修复了与数据源断开连接相关的错误。 --- # 2024年2月26日 ## 改进 * **图像大小限制**：共享知识的裁剪图像大小不得超过1MB。 * **文档显示增强**：我们增加了在右侧选择面板内的树状结构中可以显示的文档数量，以改善用户体验。 ## 错误修复 * **数据源断开连接**：修复了一个问题，即断开数据源时未能适当地删除文档并移除数据源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此次发布专注于改善我们应用程序的整体性能、数据处理和 错误管理。用户可以期待更强大和 高效的体验。 --- # 2024年8月2日 **新功能：** * **改进的搜索功能**：搜索功能现在进行并行内容检索，提供更快和更准确的结果。 * **精细化的文档通知系统**：用户将收到更精确的文档更新通知，增强协作和工作流程管理。 * **更新的API密钥格式**：更新API密钥前缀以提高安全性和便于识别。 **改进：** * **增强的数据管理**：系统现在更有效地处理空文档，确保所有相关信息正确索引和加载。 * **优化的纪念品组织**：对纪念品侧边栏的改进提供了更清晰的文档和文件夹视图，使导航更加直观。 * **简化的数据处理**：实施新的嵌入机制和向量数据库适配，以更高效地处理和分析数据。 **错误修复：** * **电子邮件编码兼容性**：当电子邮件字符集不正确时，更新系统编码格式，防止潜在的显示问题。 * **Gmail标签管理**：解决删除Gmail标签时的问题，确保电子邮件集成更加顺畅。 * **异常处理**：改进错误通知系统，以更好地管理和传达系统异常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本专注于提高文档索引的可靠性，并包括各种错误修复，以增强您的体验。 --- # 2024年10月25日 ### 新功能 - **索引失败的自动重试**：实现了自动重试机制，以确保未成功索引的文档会被重试，从而增强数据一致性。 ### 错误修复 - **改进搜索功能**：修复了一个问题，导致无法搜索连接到没有记忆的备忘录的应用程序。 - **系统稳定性增强**：解决了并发任务期间数据库连接重叠的问题，以提高性能。 - **Slack同步调整**：暂时禁用空Slack频道的同步，以避免不必要的错误。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本专注于提高文档保存的可靠性。 --- # 2024年10月18日 ### 错误修复 - **增强文档保存稳定性**：改进了文档保存过程，以防止在同时编辑时出现潜在冲突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增强了文档同步，简化了常见知识管理，并优化了用户界面，提高了整体系统 效率和用户体验。 --- # 2024年4月12日 ## 新特性 * **云存储的自动同步：** 用户现在可以为Dropbox和Google Drive中的选定文件夹和文件设置自动同步，从而简化文档管理流程。 ## 改进 * **优化文档排序：** 现在可以通过索引日期或名称设置文档顺序，便于更直观的导航和检索。 * **备忘管理的UI更新：** 常识备忘UI已更新，包括一个新的共享设置切换，改善用户对数据共享的控制。 * **UI响应性和自定义：** 已实施小型UI修复。 ## 错误修复 * **入职流程：** 解决了在用户入职步骤中未显示常识的问题，增强了新用户的初始设置体验。 ==> notices/releases/README.md <== --- description: 公共声明、合规变更和用户帮助更新。 --- # 发布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次发布专注于提升用户体验、改善文档管理和优化 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack频道集成**：增强了对Slack频道的支持，改善了应用内的沟通与协作。 * **文档状态过滤器**：在嵌入详细信息页面新增了文档状态过滤器，使跟踪和管理文档变得更加容易。 * **分层文档显示**：在备忘录侧边栏中实现了新的树状视图，以分层方式组织文档和文件夹，改善导航体验。 * **高级搜索功能**：引入了日期范围过滤器，增强了搜索功能，允许更精确的文档检索。 **改进** * **文档管理**：优化了将文档链接到知识详细信息页面的过程，简化了文档组织和访问。 * **用户界面更新**：进行了多项UI增强，以改善整体应用可用性和视觉吸引力。 * **性能优化**：重构了代码并更新了API调用，以提升应用性能和响应速度。 **错误修复** * **空搜索查询处理**：解决了空搜索查询未被正确处理的问题，提高了搜索的可靠性。 * **电子邮件集成**：修复了与GPT交互时电子邮件源处理相关的问题，确保与电子邮件服务的更顺畅集成。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本对备忘录树进行了改进，提供了更好的排序，并修复了影响GPT应用程序中API请求的错误。 --- # 2024年2月19日 ## 改进 * **Memento Tree中的字母顺序排序**：为了提高导航效率，Memento tree中的文件和Slack频道现在按字母顺序排列。 ## 错误修复 * **GPT 应用**：我们修复了一个问题，该问题阻止了通过新设置的 GPT 应用进行 API 请求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次发布专注于通过改进的入门体验、纪念品管理和响应式用户界面来增强用户体验。关键更新包括移除图像大小限制，显示纪念品大小。 --- # 2024年3月18日 ## 新功能 * **创建新记忆按钮：** 我们添加了一个新按钮，以在授权应用程序时创建记忆，使流程更加用户友好。 * **图片上传器无大小限制：** 用户现在可以上传任何大小的图片，提供了更多的文档设计灵活性。 * **常识大小显示：** 我们增加了显示常识项目大小的功能，提供了更多的存储使用透明度。 ## 改进 * **Slack 频道的索引时间：**现在在检查新消息时会更新索引时间，并且文档的 `INDEXED` 状态会得到维护，提高了文档搜索的效率。 * **更流畅的入门操作：**我们减少了入门流程中的冗余步骤，使其更快更高效。 * **常识部分的响应式 UI：**我们优化了 memento 页面上常识部分的 UI，使其具有响应性，从而改善了在各种设备上的可读性。 * **Memento 大小显示：**现在在授权应用程序时会显示 memento 的大小，帮助用户更好地理解他们授权的 memento。 ## 错误修复 **用户重命名应用程序：** 现在正确处理用户重命名应用程序的情况，防止潜在错误。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次发布。 --- # 2024年1月15日 ## 新功能 * **文档搜索**：通过我们高效的搜索功能轻松找到您的文档。 * **Google Drive 集成**：通过 Google Drive 无缝管理您的文件。 * **开发者中心**：为开发者提供一个用户友好的空间，方便他们注册和配置与 Rememberizer 的集成应用。 * **纪念品管理**：轻松创建、列出和删除您的纪念品。 * **数据源管理**：轻松连接和断开您的数据源。 * **简单的入门**：我们的入门状态功能旨在为所有用户和开发者提供顺利的开始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在此版本中，我们引入了一个公共常识页面，改进了纪念品结构和入门用户界面，并修复了应用授权计数的错误。 --- # 2024年2月12 ## 新功能 * **公共知识页面**: 为了更好地获取和分享信息，我们实施了新的公共知识页面。 * **入职中的公共知识**: 用户现在可以直接从入职页面添加公共知识。 * **备忘录的树状结构**: 备忘录中的文件现在以树状结构返回，以便更清晰地导航和查看。 ## 改进 * **入职步骤的用户界面**：入职步骤的用户界面经过调整，以提供更好的用户体验。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本专注于提升性能、改善身份验证，并提高整体可靠性，以提供更好的用户体验。 --- # 2024年11月1日 ### 改进 - **更快的搜索性能**：优化后端流程，以提供更快速的文档访问。 - **增强的认证系统**：升级认证以提高安全性和可靠性。 - **改善的索引可靠性**：增强文档索引的监控，以确保所有文档均可搜索。 - **优化的系统性能**：实施后端优化，以提供更快、更高效的服务。 ### 新功能 - **自动数据源重新连接**：数据源现在会自动保持连接，确保您可以不间断地访问您的信息。 ### 错误修复 - **增强隐私控制**：修复了一个问题，该问题阻止了用户视图中的未授权列表，从而改善了隐私。 - **解决应用授权问题**：修正了授权应用的重定向问题，以实现无缝访问。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本专注于增强用户身份验证体验，包括更顺畅的登录重定向和改进的桌面应用支持。 --- # 2024年11月15日 ### 新功能 - **桌面应用程序认证**：用户现在可以通过我们的桌面应用程序直接进行认证，以获得更集成的体验。 ### 改进 - **无缝登录重定向**：未认证用户在登录后现在会被重定向回他们原来的页面，确保导航不受干扰。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增强的用户体验，改进了文档大小管理，提供了更直观的搜索界面，并实现了无缝的Dropbox集成。我们还解决了关键的错误。 --- # 2024年1月29日 ## 新功能 * **Dropbox集成**：您现在可以在我们的平台上直接索引、重新索引、列出并提交Dropbox文件。 * **Dropbox在入门步骤中**：Dropbox集成现在是入门步骤的一部分，使设置更加容易。 ## 改进 * **文档大小限制**：我们为每位用户限制了总文档大小为1GB，以确保优化性能。 * **改进的搜索体验**：搜索界面已进行优化，以提供更好的用户体验。 ## 错误修复 * 修复了处理空文档的问题，以实现更顺畅的操作。 * 解决了处理 Slack 附件时的错误，以实现无缝集成。 * 将“注册”按钮正确链接到“注册”页面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此更新带来了先进的备忘录集成，改进了 Dropbox 和 Google Drive 的同步功能，并进行了关键的错误修复，以增强用户体验和系统可靠性。 --- # 2024年4月26日 ## 新特性 * **公共应用的搜索功能:** 在公共应用页面添加了一个新的搜索功能，使用户能够更高效地找到应用程序。 ## 改进 * **已连接应用的布局更新：** “您的已连接应用”页面的布局已更新，以提供更好的用户体验和导航。 * **常识卡片更新：** 提炼备忘页面中的常识卡片现在显示大小而不是文档数量，提供更清晰的存储使用信息。 * **Dropbox和Google Drive的自动同步功能增强：** Dropbox和Google Drive的自动同步功能已增强，提供更流畅、更可靠的同步体验。 * **公共应用页面的分页：** 我们在公共应用页面上实现了分页，改善了导航和加载时间，以提供更好的用户体验。 * **常识卡片中备忘内容的更新精炼按钮：** 常识卡片备忘内容中的精炼按钮已更新，增强了可用性和清晰度。 ## 错误修复 * **子文件索引问题：** 修复了一个错误，即在首次连接集成时，所选文件夹中的子文件未正确索引，从而确保全面的文件管理。 * **搜索失败时的注销问题：** 解决了一个问题，即搜索不存在的纪念品失败时强制用户注销，改善了错误处理和用户保留。 * **个人资料编辑验证：** 解决了个人资料编辑页面上的验证问题，确保信息被准确捕获和处理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此次发布专注于改善数据索引、使用跟踪、性能和用户体验的增强。 --- # 2024年9月13日 ### 改进 - **改进的使用追踪**：新的逻辑提供了更准确的存储和使用限制监控。 - **增强的性能**：Memento 操作现已优化以提高响应速度。 - **增强的错误显示**：当文档索引失败时，知识页面上的错误消息更清晰，使识别问题变得更容易。 - **简化的数据源连接**：连接后，数据源面板现在会自动打开，简化了设置过程。 - **改进的默认设置**：默认用户设置已更新，以提高性能和准确性。 ### 新功能 - **批量文档删除**：您现在可以一次删除多个文档，从而简化数据管理。 - **自动重新索引**：在需要时，集合会自动重新索引，确保搜索结果是最新的。 ### 错误修复 - **修复索引错误**：解决了数据索引的问题，以提高搜索的可靠性。 - **减少通知垃圾邮件**：修复了导致与文档成员资格相关的过多通知的问题。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我们的新向量数据库服务，以更高效地处理数据，同时增强系统稳定性，并修复了关键错误，以改善您的整体体验。 --- # 2024年10月11日 ### 新功能 - **向量数据库服务**：推出了一项新的向量数据库服务，以实现更高效的数据存储和更快的信息检索。 ### 改进 - **增强系统稳定性**：改进后端流程以防止竞争条件，确保文档处理更加顺畅。 - **优化连接管理**：实施更好的连接处理以提高性能和可靠性。 ### 错误修复 - **修复会员合并问题**：解决了在向量存储中合并会员数据时导致错误的问题。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此次发布为文档搜索、备忘录组织和集成管理带来了令人兴奋的改进。我们通过更流畅的导航和更高效的数据处理提升了用户体验。 --- # 2024年7月12日 ### 新功能 * **文档搜索**: 享受强大的新搜索功能，帮助您快速轻松地在文档中找到所需信息。 * **新的纪念树结构**: 体验我们直观的树结构，为您的纪念品组织提供新方式，使导航和管理信息变得更容易。 * **纪念品自动同步**: 通过我们新的纪念品自动同步功能，轻松保持您的数据最新。 ### 改进 * **增强的纪念品组织**：我们精简了纪念品侧边栏，以提供更清晰的文档和文件夹视图，使导航变得轻而易举。 * **集成管理**：通过新的下拉功能，轻松过滤和管理您的集成，让您对连接的服务拥有更多控制权。 * **更快的文档搜索**：我们新的防抖搜索功能在您输入时提供更快、更灵敏的结果。 * **首页和知识页面更新**：我们重新组织了关键页面上的集成布局，以改善可访问性和用户体验。 ### 错误修复 * **提高集成可靠性**：我们增强了系统，以更好地处理来自连接服务的信息，确保在使用集成时获得更顺畅的体验。 * **更清晰的用户界面**：我们已删除知识页面上不必要的警告信息，以实现更简洁的外观。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增强了用户个人资料管理，改善了 Slack 和 Dropbox 集成，引入了账户删除功能，并解决了关键的 操作问题。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您现在可以直接在我们的平台上获取来自Dropbox的共享文件/文件夹。 * **账户删除**：如有必要，用户现在可以选择删除其账户。 * **Slack同步**：我们已经启动了与Slack的同步，以实现更好的集成，尽管Slack线程同步尚未包括在内。 * **用户档案**：用户现在可以更有效地更新他们的档案信息。 ## 改进 * **Slack 频道**：为了便于导航，Slack 频道现在按名称排序。 ## 错误修复 * 解决了应用目录中无效来源的问题。 * 解决了与 OpenAI GPT 相关的错误，以改善 API 调用。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此更新增强了安全性，优化了接口，并解决了关键错误， 具有新的 API 限制、更新的密钥和 MacOS 应用程序。 --- # 2024年4月19日 ## 新特性 * **MacOS桌面应用程序：** 为MacOS用户推出专用桌面应用程序，提高可访问性和用户体验。 \ 查看文档：[Rememberizer桌面代理应用程序](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改进 * **应用目录用户界面更新：** 应用目录的新布局提供了更直观和用户友好的导航体验。 ## 错误修复 * **搜索文档换行处理：** 修复了在搜索文档查询中换行符和回车字符被错误移除的问题。 * **搜索用户界面显示错误：** 修正了搜索用户界面中的一个错误，以确保每个文档在搜索结果中准确显示 `创建于` 字段。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增强了导航，改善了文档处理，并更新了应用程序名称。主要更新包括限制主页应用程序，更好的 Slack 文档处理，以及重命名桌面应用程序。 --- # 2024年6月28日 ## 改进 * **限制主页上的应用程序数量：** 我们限制了主页上显示的应用程序数量，以便用户更容易导航和找到所需内容。 * **后处理Slack文档：** 增强了对Slack文档的处理，以确保更顺畅和更准确的处理。 * **更新桌面应用程序名称：** 桌面应用程序已更名为“Rememberizer App”，以便更清晰和保持品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本带来了改进的同步、增强的数据加密以及多个错误修复，以提供更顺畅的用户体验。 --- # 2024年3月25日 ## 改进 * **备忘录增强：** 添加了一个功能，以显示额外的备忘录信息并显示索引进度，使用户更容易跟踪其数据的状态。 ## 错误修复 * **UI 响应性：** 解决了断开连接按钮的多次点击问题，以防止 UI 错误。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 集成功能，允许用户连接他们的帐户并选择标签用于知识库，以及一个新的记忆功能以增强搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer Memory** 允许应用程序在用户的 Rememberizer 账户中保存和共享数据，为来自多个应用程序的重要信息提供集中位置。\ \ **好处** * **对用户：** 可以轻松访问所有应用程序的数据，各应用程序之间无缝同步，即使应用程序被卸载仍然可以持续存储。 * **对开发者：** 无需创建自定义数据存储系统，可以利用其他应用程序的数据，简化跨应用程序集成。 内存文档：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 内存 API 文档：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 集成：** 用户现在可以连接他们的 Gmail 账户并选择特定标签以添加到他们的知识库中。 * **Google Drive 共享驱动支持：** 我们已经添加了对 Google Drive 共享驱动的支持，允许用户在他们的知识库中包含来自共享驱动的文档。 ## 改进 * **文档索引：** 我们增强了文档索引过程，确保新文档能够成功上传和索引。如果索引失败，已经实现了重试机制。 * **应用发布流程：** 应用发布流程中的审核步骤已被移除，简化了开发者的流程。 * **连接的应用 UI：** “您的连接应用” UI 已得到增强，以应对没有连接应用的情况，改善用户体验。 ## 错误修复 * **重命名应用程序：** 解决了重命名应用程序时导致错误的问题。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如“探索应用程序”页面和改进的文档管理，以及关键的优化和错误修复，以提供更流畅的用户体验。 --- # 2024年1月22日 ## 新功能 * **探索应用页面**：您现在可以直接从专用页面探索不同的应用。 * **配额控制**：现已推出新功能以在选择文件时控制配额大小，以确保更好的文件管理。 ## 改进 * **改进的文档搜索**：我们增强了搜索功能以返回文档的数量，使管理和导航您的文件更加容易。 * **改进的入职流程**：在入职步骤中添加了'跳过'按钮，使入职过程更具灵活性。 ## 错误修复 * 解决了处理复杂 PDF 文件的问题，以提高可读性和访问性。 * 解决了与 Slack 速率限制相关的问题，以实现无缝集成。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增强了 SQL 查询，优化了用户界面，并修复了错误。主要更新：优化搜索、自动生成名称、新的纪念按钮和改进的导航。 --- # 2024年5月31日 ## 新功能 * **新纪念按钮:** 我们添加了一个新按钮，以便在授权应用程序时创建纪念品，使过程更加用户友好。 ## 改进 * **优化搜索：** 增强了搜索功能，提供更快速和更准确的结果。 * **授权应用时调整 UI：** 在授权应用时对用户界面进行了小幅调整，以提供更流畅的体验。 ## 错误修复 * **修复缩进问题：** 修复了缩进问题，以确保应用程序中的格式一致。 ==> notices/b2b/README.md <== --- description: 供Skydeck AI Inc与之互动的其他企业受益的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: 记忆者代理 --- # 关于 Reddit 代理 一个 Rememberizer 代理从选定的 Sub-Reddits 中检索 Reddit 内容，以便用户和创作者可以查询其内容及其他参与者内容的潜在语义意义，从而使用他们自己的 AI 工具以及通过 Rememberizer 授权的其他工具与这些内容进行互动。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 为什么 Rememberizer 不仅仅是一个数据库或关键字搜索引擎。 --- # 什么是向量嵌入和向量数据库？ Rememberizer 使用向量嵌入在向量数据库中实现用户知识源的语义相似性搜索。这是一种比通过搜索引擎或数据库简单地查找内容中的关键词更为先进和细致的信息检索形式。
多维空间

多维空间

在其最先进的形式中（如 Rememberizer 所使用的），向量嵌入是由具有类似于 OpenAI 的 gpt 模型和 ChatGPT 服务的 AI LLM（大型语言模型）架构的语言模型创建的，以及来自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服务。因此，使用向量嵌入来发现相关知识以包含在 AI 模型提示的上下文中是自然而然的。这些技术是互补的，某种程度上是等价的。因此，大多数提供 LLM 作为服务的供应商也会提供向量嵌入作为服务（例如：[来自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [来自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入是什么样子的？考虑二维中的一个坐标 (x,y)。如果它表示从原点到这个点的线，我们可以将其视为一条具有方向的线，换句话说，是一个 _二维向量_。在我们的上下文中，向量嵌入将是一个类似于 768 个数字的列表，表示一个 768 维空间中的向量。最终，这个数字列表可以表示在 Transformer 模型中介于零和一之间的权重，这些权重定义了短语的含义，例如“晴天霹雳”。这在根本上是 GPT-4 中使用的相同基础意义表示。因此，我们可以期待一个好的向量嵌入能够实现我们在现代 AI 语言模型中看到的同样出色的表面理解。 \ 值得注意的是，向量嵌入不仅可以用来表示文本，还可以表示其他类型的数据，例如图像或声音。通过适当训练的模型，可以跨媒体进行比较，因此文本块上的向量嵌入可以与图像进行比较，或 _反之亦然_。今天，Rememberizer 仅支持在用户文档和知识的文本组件中进行搜索。但文本到图像和图像到文本的搜索在规划中。\ \ Google 使用向量嵌入来驱动他们的文本搜索（文本到文本）以及他们的图像搜索（文本到图像）（[参考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考虑在其社交网络搜索中使用嵌入（[参考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入来理解上下文，以便在正确的时间向正确的用户提供合适的广告（[参考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量数据库的工作原理，请从 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 开始。Pinecone（作为服务的向量嵌入数据库）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一个理解向量中的搜索和知识的优秀来源是 Meta/Facebook 关于 FAISS 库的论文和代码。“FAISS: A Library for Efficient Similarity Search and Clustering of Dense Vectors” 由 Johnson、Douze 和 Jégou（2017）撰写：FAISS 提供了一个全面的概述，介绍了一个旨在高效相似性搜索和密集向量聚类的库。它讨论了在大规模向量数据库中优化索引和搜索过程的方法，包括基于产品量化的方法。了解更多信息的最佳地方是文档以及 [Github 上的代码](https://github.com/facebookresearch/faiss)。 \ 一定要考虑 2017 年 6 月的论文，这篇论文开启了生成 AI（生成性人工智能）革命，“Attention Is All You Need。”（[参考](https://arxiv.org/abs/1706.03762)），它介绍了 GPT 模型及其后续的所有 LLM 背后的 Transformer 架构，包括 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和许多其他开源项目。\ 还要考虑“近似最近邻：消除维度诅咒的方向”（[参考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[参考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。这些论文讨论了高维空间中近似最近邻（ANN）搜索的理论，这是向量数据库中高效检索相似项的核心概念。 {% hint style="info" %} 关于这些基于 Transformer 的模型，有一件令人兴奋的事情是，它们使用的数据越多，模型越大（参数越多），它们的理解和能力就越好。OpenAI 首次注意到这一点是在他们训练 GPT-2 模型时。意识到这一潜力后，他们立即停止了以开源为导向的非营利组织的运作，转而成为一家专注于生产 GPT-3、GPT-4 及其著名前端 ChatGPT 的闭源盈利公司。有趣的是，Google 拥有这项技术的专利——正是他们的研究人员开发了 Transformers 和 Attention Is All You Need（[参考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 对我的描述略有不同，写道：“关于 OpenAI 从一个以开源为导向的非营利组织转变为一个闭源盈利实体的叙述简化了一个复杂的演变。OpenAI 的转变包括在商业化方面的同时，专注于安全和负责任的 AI 开发。值得注意的是，尽管 OpenAI 优先开发像 GPT-3 及其后续版本这样的专有技术，但它仍通过出版物和合作与研究社区保持互动。” {% endhint %} BERT 语言模型基于 Transformers，通常用于先进的向量嵌入引擎。这在 2018 年的论文“BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”（[参考](https://arxiv.org/abs/1810.04805)）中介绍。BERT（来自 Transformers 的双向编码器表示）标志着向预训练模型的重大转变，这些模型可以针对广泛的 NLP 任务进行微调。其创新的双向训练和 Transformer 架构的使用为众多基准设定了新的模型性能标准。\ \ 早期创建向量嵌入的创新方法由 GloVe（2014，斯坦福大学）、Word2Vec（2013，谷歌）提出。“GloVe: Global Vectors for Word Representation”（[参考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）论文提出了一种新的全局对数双线性回归模型，用于无监督学习词表示，结合了嵌入的两种主要方法的优点：全局矩阵分解和局部上下文窗口方法。“Efficient Estimation of Word Representations in Vector Space”（[参考](https://arxiv.org/abs/1301.3781)）：这篇论文介绍了 Word2Vec，这是一种开创性的生成词嵌入的方法。Word2Vec 模型，包括连续词袋（CBOW）和 Skip-Gram 模型，在词嵌入的发展中起着关键作用。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您将学习如何创建一个 Rememberizer 应用程序并连接 OpenAI GPT，使 GPT 能够访问 Rememberizer API 功能。 --- # 创建记忆化器GPT ### 前提条件 首先，您需要[注册一个 Rememberizer 应用](registering-rememberizer-apps.md)并使用适当的设置进行配置。 要创建一个 GPT，您需要将 Rememberizer 应用的授权请求来源设置为`https://chat.openai.com`。 > 您需要添加一个回调 URL 来注册应用，但您只能在为您的 GPT 添加操作后找到回调 URL，暂时可以将其留作虚拟值（例如 https://chat.openai.com）。在获得回调 URL 后，您需要为应用更新正确的 URL。\ > \ > **注意：** GPT 在您更改其配置后会更新其回调 URL。请确保复制最新的回调 URL。 创建应用后，复制 **客户端 ID** 和 **客户端密钥**。我们将在创建 GPT 时使用它们。有关如何获取这些信息的说明，请访问[授权 Rememberizer 应用](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 创建一个 GPT 您可以通过 [在 ChatGPT UI 中创建一个 GPT](https://chat.openai.com/gpts/editor) 开始。 {% hint style="warning" %} 注意：创建自定义 GPT 应用仅适用于付费计划账户。 {% endhint %} #### GPT 配置 您可以根据自己的需要填写信息。以下是您可以尝试的示例：
字段示例值
名称RememberizerGPT
描述直接与您在 Google Drive 和 Slack 频道上的所有 PDF、文档、表格、幻灯片对话。
说明Rememberizer 旨在与 Rememberizer 工具无缝互动，使用户能够高效地从多个来源（如 Google Drive 和 Slack）查询他们的数据。主要目标是提供快速准确的用户数据访问，利用 Rememberizer 的能力来优化搜索速度和精确度。GPT 应指导用户制定查询并解释结果，确保流畅且用户友好的体验。在处理数据检索和分析时，保持回答的清晰和准确至关重要。GPT 应能够处理广泛的查询，从简单的数据查找到涉及多个参数或来源的更复杂搜索。重点是增强用户快速有效地访问所需信息的能力，使过程尽可能轻松。
#### 创建 Rememberizer 操作 从 GPT 编辑器： 1. 选择“配置” 2. “添加操作” 3. 配置身份验证类型。 * 将身份验证类型设置为 **OAuth**。 * 粘贴上面步骤中的 **客户端 ID** 和 **客户端密钥**。 * 授权 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 将 **范围** 留空。 * 点击 **保存**。
gpt auth type config
4. 填写 Rememberizer 的 OpenAPI 规范。复制下面可展开的内容并粘贴到 **模式** 字段中：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 与 Rememberizer 交互的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 检索当前用户的帐户详细信息。 description: 获取帐户信息 operationId: account responses: "200": description: 用户帐户信息。 content: application/json: schema: type: object properties: id: type: integer description: 用户的唯一标识符。请勿在任何地方显示此信息。 email: type: string format: email description: 用户的电子邮件地址。 name: type: string description: 用户的姓名。 /integrations/: get: summary: 列出所有可用的数据源集成。 description: 此操作检索可用的数据源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用数据源的列表 items: type: object properties: id: type: integer description: 数据源的唯一标识符。请勿在任何地方显示此信息。 integration_type: type: string description: 数据源的类型。 integration_step: type: string description: 集成的步骤。 source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_type: type: string description: 文档的类型。 document_stats: type: object properties: status: type: object description: 数据源的状态。 properties: indexed: type: integer description: 已索引文档的数量。 indexing: type: integer description: 正在索引的文档数量。 error: type: integer description: 具有错误的文档数量。 total_size: type: integer description: 数据源的总大小（以字节为单位）。 document_count: type: integer description: 数据源中的文档数量。 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 /documents/: get: summary: 检索所有文档和 Slack 频道的列表。 description: 使用此操作检索有关所有可用文档、文件、Slack 频道和数据源中的常识的元数据。您应该指定 integration_type 或将其留空以列出所有内容。 operationId: documents_list parameters: - in: query name: page description: 页索引 schema: type: integer - in: query name: page_size description: 每页返回的最大文档数量 schema: type: integer - in: query name: integration_type description: 按集成类型过滤文档。 schema: type: string enum: - google_drive - slack - dropbox - gmail - common_knowledge responses: "200": description: 操作成功 content: application/json: schema: type: object properties: count: type: integer description: 文档的总数。 next: type: string nullable: true description: 下一页结果的 URL。 previous: type: string nullable: true description: 上一页结果的 URL。 results: type: array description: 文档、Slack 频道、常识等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文档的唯一标识符。请勿在任何地方显示此信息。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 id: type: integer description: 文档的唯一标识符。 integration_type: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 source: type: string description: 文档的来源。 status: type: string description: 文档的状态。 indexed_on: type: string format: date-time description: 文档被索引的日期和时间。 size: type: integer description: 文档的大小（以字节为单位）。 /documents/search/: get: summary: 按语义相似性搜索文档。 description: 使用最多 400 个单词的查询文本启动搜索操作，并从存储的知识中接收最语义相似的响应。对于问答，将您的问题转换为理想答案并提交，以接收类似的真实答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到语义相似知识块的最多 400 个单词的句子。 schema: type: string - name: n in: query description: 要返回的语义相似文本块的数量。使用 'n=3' 获取最多 5 个，使用 'n=10' 获取更多信息。如果您没有收到足够的信息，请考虑使用更大的 'n' 值重新尝试。 schema: type: integer responses: "200": description: 成功检索文档 content: application/json: schema: type: object properties: data: type: array description: 语义相似知识块的列表 items: type: object properties: chunk_id: type: string description: 块的唯一标识符。 document: type: object description: 文档详细信息。 properties: id: type: integer description: 文档的唯一标识符。 document_id: type: string description: 文档的唯一标识符。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 size: type: string description: 文档的大小。 created_time: type: string description: 文档创建的日期和时间。 modified_time: type: string description: 文档最后修改的日期和时间。 integration: type: object description: 文档的集成详细信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 数据源的总大小（以字节为单位） document_count: type: integer matched_content: type: string description: 语义相似的内容。 distance: type: number description: 余弦相似度 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 nullable: true "400": description: 错误请求 "401": description: 未授权 "404": description: 未找到 "500": description: 内部服务器错误 /documents/{document_id}/contents/: get: summary: 按 ID 检索特定文档内容。 operationId: document_get_content description: 返回具有指定 ID 的文档的内容，以及最新检索块的索引。每次调用最多获取 20 个块。要获取更多，请使用响应中的 end_chunk 值作为下一次调用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要检索内容的文档 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望检索的起始块。如果未指定，默认值为 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望检索的结束块。如果未指定，默认值为 start_chunk + 20。 responses: "200": description: 文档的内容和最新检索块的索引。 content: application/json: schema: type: object properties: content: type: string description: 文档的内容。 end_chunk: type: integer description: 最新检索块的索引。 "404": description: 文档未找到。 "500": description: 内部服务器错误。 /common-knowledge/subscribed-list/: get: description: 此操作检索用户订阅的共享知识（也称为常识）列表。每个共享知识包括用户可以访问的文档 ID 列表。 operationId: common_knowledge_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: array items: type: object properties: id: type: integer description: 这是共享知识的唯一标识符。请勿在任何地方显示此信息。 num_of_subscribers: type: integer description: 这表示订阅此共享知识的用户数量 publisher_name: type: string published_by_me: type: boolean description: 这表示共享知识是否由当前用户发布 subscribed_by_me: type: boolean description: 这表示共享知识是否由当前用户订阅，在此 API 中应为 true created: type: string description: 这是共享知识创建的时间 modified: type: string description: 这是共享知识最后修改的时间 name: type: string description: 这是共享知识的名称 image_url: type: string description: 这是共享知识的图像 URL description: type: string description: 这是共享知识的描述 memento: type: integer description: 这是创建共享知识的 Rememberizer 备忘录的 ID。 document_ids: type: array items: type: integer description: 这是属于共享知识的文档 ID 列表 /documents/memorize/: post: description: 将内容存储到数据库中，稍后可以通过搜索端点访问。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 内容存储成功 "400": description: 错误请求 "401": description: 未授权 "500": description: 内部服务器错误 /discussions/{discussion_id}/contents/: get: summary: 按 ID 检索讨论的内容。讨论可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的讨论的内容。讨论可以是 Slack 或 Discord 聊天。响应包含 2 个字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而后者是讨论的线程。 parameters: - in: path name: discussion_id required: true description: 要检索内容的讨论 ID。讨论是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示讨论的集成。目前，它只能是“slack”或“discord”。 - in: query name: from schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的起始时间。如果未指定，默认时间为现在。 - in: query name: to schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的结束时间。如果未指定，则为“from”参数之前的 7 天。 responses: "200": description: 在时间范围内的主要和线程消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要讨论的内容。 thread_contents: type: object description: 包含讨论线程的字典列表，每个键表示线程的日期和时间（以 ISO 8601 格式），值是线程的消息。 "404": description: 讨论未找到。 "500": description: 内部服务器错误。 ||CODE_BLOCK||
5. 将此链接添加为隐私政策: `https://docs.rememberizer.ai/notices/privacy-policy`。 6. 创建操作后，复制回调 URL 并将其粘贴到您的 Rememberizer 应用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您将学习如何在 Rememberizer 中创建常识并获取其 API 密钥，以通过 API 调用连接和检索其文档。 --- # 注册和使用 API 密钥 ### 前提条件 首先，您需要使用您的索引知识文件创建并完善[一个备忘录](../personal/mementos-filter-access.md)。 ### 创建共享知识 要创建共享知识，请登录您的 Rememberizer 账户并访问 [您的共享知识页面](https://rememberizer.ai/personal/common-knowledge)。选择 **"您的共享知识"**，然后点击 **"开始"**。
common knowledge page
然后选择您之前创建的其中一个纪念品，您也可以选择 **"全部"** 或 **"无"**。
create common knowledge 1
最后填写共享知识的名称、描述，并为其提供一张代表性的照片。
create common knowledge 2
填写完表单后，点击底部的 "分享知识" 以创建您的共享知识。之后，打开您的知识中的 **"启用共享"**，并在弹出窗口中点击 **"确认"**。
common knowledge sharing
您现在可以获取其 API 密钥并通过 API 调用访问其文档。 ### 获取您创建的公共知识的 API 密钥 对于您的公共知识，请点击右上角的三个点，然后选择“API 密钥”。如果还没有密钥，将为您创建一个。如果 API 密钥存在，将返回该密钥。
knowledge open API key
在 **“管理您的 API 密钥”** 面板中，您可以点击 **“眼睛”** 按钮来显示/隐藏，点击 **“复制”** 按钮将密钥复制到剪贴板，以及点击 **“重新生成 API 密钥”** 来使旧密钥失效并创建一个新密钥（通过 API 调用访问您文档的应用程序在您更新新密钥之前将无法访问）。
copy api key
获取 API 密钥后，您可以在对 Rememberizer 的 API 调用中使用它，以查询您索引的文档和内容。 ### 使用 API 密钥 要访问 Rememberizer 端点，您需要在 API 请求的 `X-API-Key` 头中使用 API 密钥。请查看 [API 文档](api-documentations/) 以查看 Rememberizer 提供的端点。 您还可以在自定义 GPT 应用中使用 API 密钥。首先通过 [在 ChatGPT UI 中创建 GPT](https://chat.openai.com/gpts/editor)。确保将身份验证类型选择为“API 密钥”，身份验证类型选择为“自定义”，并将头部设置为“X-Api-Key”，然后将您之前复制的密钥粘贴到 API 密钥文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帐户下创建和注册 Rememberizer 应用。Rememberizer 应用可以代表用户进行操作。 --- # 注册 Rememberizer 应用 1. 在任何页面的左上角，点击 **开发者**，然后点击 **注册应用**。
registered apps browse
2. 点击 **注册新应用**。将出现一个弹出窗口以填写您的应用信息。
register new app
3. 在 **"应用名称"** 中，输入您的应用名称。 4. 在 **"描述（可选）"** 中，如果需要，请填写您的应用描述。 5. 在 **"应用标志（可选）"** 中，如果有，请上传您的应用标志。 6. 在 **"登录页面 URL"** 中，输入您的登录页面的域名。您的登录页面包含有关您的应用程序的详细摘要，以及它如何与 Rememberizer 集成。 7. 在 **"授权请求来源"** 中，输入您应用网站的域名。 8. 在 **"授权重定向 URL"** 中，输入您应用的回调 URL。 9. 点击 **"创建应用"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以将 Rememberizer 集成作为 LangChain 检索器，为您的 LangChain 应用程序提供强大的向量数据库搜索访问。 --- # LangChain 集成 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 本笔记本展示了如何从 `Rememberizer` 中检索文档，该文档格式在下游使用。 ## 准备 您需要一个 API 密钥：您可以在创建公共知识后获得一个。有关如何创建公共知识的详细说明，请访问 [注册和使用 API 密钥](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您拥有 API 密钥，您必须将其设置为环境变量 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 时将其作为 `rememberizer_api_key` 传递。 `RememberizerRetriever` 有以下参数： \- 可选的 `top_k_results`：默认值为 10。用于限制返回文档的数量。 \- 可选的 `rememberizer_api_key`：如果您没有设置环境变量 `REMEMBERIZER_API_KEY`，则为必需。 `get_relevant_documents()` 有一个参数，`query`：用于在 `Rememberizer.ai` 的公共知识中查找文档的自由文本。 ## 示例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||代码块|| # 设置 API 密钥 from getpass import getpass REMEMBERIZER_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| import os from langchain_community.retrievers import RememberizerRetriever os.environ["REMEMBERIZER_API_KEY"] = REMEMBERIZER_API_KEY retriever = RememberizerRetriever(top_k_results=5) ||CODE_BLOCK|| ||CODE_BLOCK|| docs = retriever.get_relevant_documents(query="大型语言模型是如何工作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文档的元信息 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'url': 'https://drive.google.com/file/d/17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP/view', 'size': 337089, 'created_time': '', 'modified_time': '', 'indexed_on': '2024-04-04T03:36:28.886170Z', 'integration': {'id': 347, 'integration_type': 'google_drive'}} ||CODE_BLOCK|| ||CODE_BLOCK|| print(docs[0].page_content[:400]) # 文档的内容 ||CODE_BLOCK|| ||CODE_BLOCK|| 之前，或者以新的方式进行上下文化。在某种程度上，它们“理解”语义，因为它们可以通过意义将单词和概念关联起来，已经看到了它们以这种方式成组在一起数百万或数十亿次。开发人员如何能够快速开始构建自己的 LLM，以构建 LLM 应用程序，开发人员需要轻松访问多个数据集，并且他们需要这些数据集的存放地点 ||CODE_BLOCK|| ## 在链中的使用 ||CODE_BLOCK|| OPENAI_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY ||CODE_BLOCK|| ||CODE_BLOCK|| from langchain.chains import ConversationalRetrievalChain from langchain_openai import ChatOpenAI model = ChatOpenAI(model_name="gpt-3.5-turbo") qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever) ||CODE_BLOCK|| ||CODE_BLOCK|| questions = [ "什么是RAG？", "大型语言模型是如何工作的？", ] chat_history = [] for question in questions: result = qa.invoke({"question": question, "chat_history": chat_history}) chat_history.append((question, result["answer"])) print(f"-> **问题**: {question} \n") print(f"**回答**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **问题**: 什么是RAG？ **回答**: RAG代表检索增强生成。它是一个AI框架，从外部知识库中检索事实，以通过提供最新和准确的信息来增强大型语言模型（LLMs）生成的响应。该框架帮助用户理解LLMs的生成过程，并确保模型可以访问可靠的信息来源。 -> **问题**: 大型语言模型是如何工作的？ **回答**: 大型语言模型（LLMs）通过分析大量语言数据集来理解和生成自然语言文本。它们基于机器学习，特别是深度学习，涉及训练程序在没有人工干预的情况下识别数据特征。LLMs使用神经网络，特别是变换器模型，来理解人类语言中的上下文，使它们在模糊或新上下文中更好地解释语言。开发人员可以通过访问多个数据集和使用Cloudflare的Vectorize和Cloudflare Workers AI平台等服务，快速开始构建自己的LLMs。 ||CODE_BLOCK|| ### 相关[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 检索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 检索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **通过提供反馈来帮助我们改进此文档页面：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 创建一个简单的 web 应用程序，将 LLM 与用户知识通过对 Rememberizer 的查询集成是非常简单的。 --- # Talk-to-Slack 示例网页应用 应用的源代码可以在 [这里](https://github.com/skydeckai/rememberizer) 找到。 在本节中，我们将提供逐步说明和完整的源代码，以便您可以快速创建自己的应用程序。 我们在 OpenAI 上创建了一个 Talk-to-Slack GPT。Talk-to-Slack 网页应用非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 网页应用

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 网页应用

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 介绍 在这个指南中，我们提供了分步说明和完整的源代码，以帮助您创建自己的类似于我们与Rememberizer.ai的Talk-to-Slack GPT整合的应用程序。与Slack整合不同，一个网页应用程序提供更多的特性和控制，如网页抓取，本地数据库访问，图形和动画，以及收集支付。此外，它可以被任何人使用，而无需拥有高级genAI账户。 ### 概述 我们的示例应用程序，“Talk to Slack”，托管在Heroku上，并整合了OpenAI的LLM和Rememberizer.ai，以增强您的Slack体验。该网络应用程序使用Flask构建，并提供了如OAuth2集成、访问Slack数据和直观用户界面等功能。 ### 特性 * **基于Flask的架构**：由Flask处理后端操作，前端通信和API交互。 * **OAuth2集成**：通过Rememberizer的OAuth2流程进行安全授权和数据访问。 * **Slack数据访问**：使用Rememberizer的API安全地获取用户连接的Slack数据。 * **OpenAI LLM集成**：通过OpenAI的LLM服务处理查询，以获得有洞察力的回应。 * **直观的用户界面**：通过现代UI设计进行简单的导航和交互。 * **最佳实践**：遵守安全和用户体验标准，以实现无缝集成。 ### 设置和部署 #### 前提条件 * Python * Flask {% hint style="info" %} 请注意，让一个 LLM 将整个应用程序用另一种语言重写并不是很困难，在我们的例子中是 Golang。因此，请记住，您并不局限于 Python。 {% endhint %} #### 环境配置 设置以下环境变量： * `APP_SECRET_KEY`：Flask的唯一密钥。 * `REMEMBERIZER_CLIENT_ID`：您的Rememberizer应用的客户端ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的Rememberizer应用的客户端密钥。 * `OPENAI_API_KEY`：您的OpenAI API密钥。 #### 运行应用程序 1. **启动 Flask 应用**：在终端中运行 `flask run`，并通过 `http://localhost:5000` 访问应用。 2. **将回调 URL 复制到您的 Rememberizer 应用配置中**：`https:///auth/rememberizer/callback` 示例：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到云端 建议部署到 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **创建 Heroku 账户**：安装 Heroku CLI。 2. **准备您的应用程序**：确保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成进行部署。 **详细步骤** * **将 Heroku 连接到 GitHub**：启用来自 GitHub 仓库的自动部署，以实现无缝更新。 * **手动部署**：可选择使用手动部署以获得更多控制。 **其他设置** * 安装 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 证书：使用自签名证书进行初始 HTTPS 设置。 * 在 Heroku 上配置环境变量：使用 `heroku config:set KEY=value` 设置必要的密钥。 **其他云平台** * **GCP**：设置 GCP 账户，使用 `app.yaml` 准备您的应用，并使用 `gcloud app deploy` 进行部署。 * **AWS**：在设置 AWS 账户和 AWS CLI 后，使用 Elastic Beanstalk 进行部署。 * **Azure**：在创建 Azure 账户并安装 Azure CLI 后，通过 Azure App Service 进行部署。 #### 安全性和最佳实践 在部署之前，请验证您的 `requirements.txt`，调整生产环境的配置，并更新 OAuth 重定向 URI。 ### 应用代码说明 **@app.route('/') (首页路由):** 当访问根 URL (/) 时，此路由渲染 index.html 模板。它作为您应用程序的主页。 **@app.route('/auth/rememberizer') (Rememberizer 认证路由):** 此路由启动与 Rememberizer.ai 的 OAuth2 认证过程。它生成一个随机状态值，将其存储在会话中，构建包含必要参数（客户端 ID、重定向 URI、范围和状态）的授权 URL，并将用户重定向到 Rememberizer.ai 的授权页面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回调路由):** 此路由处理用户授权您的应用程序后来自 Rememberizer.ai 的回调。它从查询参数中提取授权码，使用 Rememberizer.ai 的令牌端点将其兑换为访问令牌，并将访问令牌存储在会话中。然后，它将用户重定向到 /dashboard 路由。 **@app.route('/dashboard') (仪表板路由):** 此路由向用户显示仪表板页面。它检查用户的会话中是否有访问令牌；如果没有，它将用户重定向到认证路由。如果用户已认证，它会向 Rememberizer.ai 的账户端点发出请求以检索账户信息，并使用这些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 集成信息路由):** 此路由显示用户与 Rememberizer.ai 的 Slack 集成信息。它检查访问令牌，并向 Rememberizer.ai 的集成端点发出请求以获取集成数据。然后，它使用这些数据渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提问路由):** 此路由处理用户提交的问题。它检查访问令牌，从表单数据中检索用户的问题，并向 Rememberizer.ai 的文档搜索端点发出请求以查找相关信息。然后，它使用 OpenAI 的 GPT-4 模型根据问题和搜索结果生成答案。答案在 answer.html 模板中渲染。 ### 附加说明 * **图标设计**：使用详细的折纸艺术风格设计，反映了AI和通信集成。我们的图标是在Midjourney和Image2Icon中创建的。 * **SSL 配置**：使用OpenSSL生成自签名证书以实现安全通信。 ### 探索与创新 我们鼓励您探索和创新自己的 AI 集成网页应用，旨在提升您平台内的生产力和协作。 *** 本修订文档为开发者提供了创建自己 AI 集成网页应用的全面指南，类似于 Talk-to-Slack。它包括设置、部署和应用代码概述的详细说明，以及最佳实践。 ==> developer/README.md <== # 开发者 ==> developer/vector-stores.md <== --- description: >- 本指南将帮助您了解如何作为开发者使用 Rememberizer 向量存储。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量存储 Rememberizer 向量存储简化了处理向量数据的过程，使您能够专注于文本输入，并利用向量的力量用于搜索和数据分析等各种应用。 ### 介绍 Rememberizer 向量存储旨在提供一个易于使用的接口来处理向量数据。与传统的向量数据库（如 Pinecone）不同，Rememberizer 向量存储允许您直接处理文本。该服务将处理文本数据的分块、向量化和存储，使您能够更专注于核心应用逻辑。 ### 开始使用 #### 创建向量存储 1. 在您的仪表板中导航到向量存储部分 2. 点击“创建新向量存储”： * 将出现一个表单，提示您输入详细信息。 3. 填写详细信息： * **名称**：为您的向量存储提供一个唯一的名称。 * **描述**：写一个简短的向量存储描述。 * **数据模式**：定义向量维度和任何附加字段。 * 您可以选择性地指定嵌入模型、索引策略和相似性度量。这些设置会影响向量的生成和比较，优化您特定用例的性能。 4. 提交表单： * 点击“创建”按钮。您将收到成功通知，新存储将出现在您的向量存储列表中。
创建一个新的向量存储

创建一个新的向量存储

#### 管理向量存储 1. 查看和编辑向量存储： * 访问管理仪表板以查看、编辑或删除向量存储。 2. 查看文档： * 浏览特定向量存储中的单个文档及其相关元数据。 3. 统计信息： * 查看详细统计信息，例如存储的向量数量、查询性能和操作指标。
查看向量存储的详细信息

查看向量存储的详细信息

### API 密钥管理 API 密钥用于验证和授权访问 Rememberizer 向量存储的 API 端点。正确管理 API 密钥对于维护您的向量存储的安全性和完整性至关重要。本节涵盖如何为您的向量存储创建和撤销 API 密钥。 #### 创建 API 密钥 1. 前往您的向量存储详细信息页面 2. 导航到 API 密钥管理部分： * 它可以在“配置”选项卡中找到 3. 点击 **“添加 API 密钥”**： * 将出现一个表单，提示您输入详细信息。 4. 填写详细信息： * **名称**：提供一个名称以帮助您识别其用例。 5. 提交表单： * 点击“创建”按钮。新的 API 密钥将被生成并显示。确保复制并安全存储。此密钥用于验证对该特定向量存储的请求。
创建新的 API 密钥

创建新的 API 密钥

#### 撤销 API 密钥 如果不再需要 API 密钥，可以删除它以防止任何潜在的滥用。 出于安全原因，您可能希望定期更换 API 密钥。这涉及生成一个新密钥并撤销旧密钥。 ### 使用 API 密钥检索向量存储信息 在创建新的向量存储并生成 API 密钥后，您可以将此密钥与需要访问向量存储的用户共享。API 密钥允许用户上传文档、搜索文档以及在向量存储中执行其他操作。然而，在用户可以与向量存储交互之前，他们需要使用 API 密钥检索向量存储的 ID 和其他相关信息。 有关每个 API 端点和响应的详细信息，请访问 [vector-store](api-documentations/vector-store/ "mention") 页面。 *** 确保安全处理 API 密钥，并遵循 API 密钥管理的最佳实践。 ==> developer/authorizing-rememberizer-apps.md <== # 授权 Rememberizer 应用 Rememberizer 的实现支持标准的 [授权码授权类型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授权用户使用您的应用的网页应用流程如下： 1. 用户被重定向到 Rememberizer 以授权他们的账户。 2. 用户选择要与您的应用一起使用的纪念品。 3. 您的应用使用用户的访问令牌访问 API。 访问 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 页面以查看该流程的 UI 示例。 ### 第一步。请求用户的 Rememberizer 身份 将用户重定向到 Rememberizer 授权服务器，以启动身份验证和授权过程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 参数：
名称描述
client_id必填
您应用程序的客户端 ID。您可以在开发者中找到此值。点击左上角的开发者。在注册应用程序列表中，点击您的应用程序，您将在应用凭据中看到客户端 ID。
response_type必填
必须为code以进行授权码授予。
scope

可选

一个以空格分隔的范围列表，标识您的应用程序可以代表用户访问的资源。

redirect_uri必填
用户在授权后将被发送到您应用程序中的 URL。
state

必填

客户端用于在请求和回调之间保持状态的不透明值。授权服务器在将用户代理重定向回客户端时包含此值。

### 步骤 2. 用户选择并配置他们的纪念品 用户将选择与您的应用一起使用的纪念品。 ### 第 3 步。用户通过 Rememberizer 被重定向回您的网站 在用户选择他们的纪念品后，Rememberizer 会将用户重定向回您的网站，并带有一个临时的 `code` 参数以及您在上一步中提供的 `state` 参数。临时代码将在短时间后过期。如果状态不匹配，则请求是由第三方创建的，您应该中止该过程。 ### 第4步. 交换授权码以获取刷新和访问令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端点接受以下输入参数。
名称描述
client_id必填
您应用程序的客户端ID。您可以在开发者中找到此值。查找此ID的说明在第1步中。
client_secret必填
您从Rememberizer获得的应用程序客户端密钥。
code您在第3步中收到的授权码。
redirect_uri必填
用户在授权后被发送到您应用程序中的URL。必须与第1步中的redirect_uri匹配。
### 第 5 步. 使用访问令牌访问 API 访问令牌允许您代表用户向 API 发出请求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以这样设置 Authorization 头： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 参考 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 获取 Slack 的内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/discussions/{discussion_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-documents.md <== # 检索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/README.md <== # API 文档 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 密钥](../registering-and-using-api-keys.md) 进行 API 身份验证。OAuth2 是一种标准授权框架，使应用程序能够安全地访问系统中的特定文档。另一方面，API 密钥提供了一种更简单的方法，从公共知识库中检索文档，而无需经过 OAuth2 身份验证过程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的数据源集成 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/integrations/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-current-users-account-details.md <== # 获取当前用户的账户详情 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/account/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/memorize-content-to-rememberizer.md <== # 将内容记住到 Rememberizer {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/memorize/" method="post" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/get-all-added-public-knowledge.md <== # 获取所有添加的公共知识 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/common_knowledge/subscribed-list/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/search-for-documents-by-semantic-similarity.md <== # 按语义相似性搜索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/search/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-document-contents.md <== # 获取文档内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/{document_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md <== # 获取向量存储中的文档列表 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/get-the-information-of-a-document.md <== # 获取文档的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/README.md <== # 向量存储 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 获取向量存储的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/me" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md <== # 根据语义相似性搜索向量存储文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi (1).yml" path="/vector-stores/{vector-store-id}/documents/search" method="get" %} [rememberizer_openapi (1).yml](<../../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md <== # 将新文本文档添加到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/create" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/remove-a-document-in-vector-store.md <== # 从向量存储中删除文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="delete" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md <== # 更新文件内容到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="patch" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/upload-files-to-a-vector-store.md <== # 将文件上传到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/upload" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ||CODE_BLOCK|| ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南将引导您将您的 Slack 工作区集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Slack 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能在这里看到所有可用的知识来源，包括 Slack。
您的知识，准备连接到 Slack

您的知识，准备连接到 Slack

3. 点击 Slack 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Slack 工作区。
Slack OAuth 屏幕

Slack OAuth 屏幕

> **注意：** 如果您看到一个警告，提示该应用程序未被 Slack 授权，那是因为 Rememberizer 旨在搜索 Slack 内容，而这违反了 [Slack 应用目录指南](https://api.slack.com/directory/guidelines)。 4. 点击 **"允许"** 将 Rememberizer Slack 应用安装到您的工作区。一旦您授予了必要的权限，您将被重定向回我们的平台，此时您应该看到您的 Slack 工作区已连接，并且侧边面板弹出。
A COMPANY 已被添加为知识来源

A-COMPANY 已被添加为知识来源

5. 现在您已连接，您需要指定我们的产品应该从哪些频道获取消息。从侧边面板中选择您想要的文件或文件夹。如果侧边面板未出现，请点击 **"选择"** 按钮以打开侧边面板。
选择要嵌入为知识的频道

选择要嵌入为知识的频道

6. 选择频道后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/manage-third-party-apps.md <== # 管理第三方应用 ## 探索第三方应用和服务 用户可以在 **应用目录** 页面查看和探索所有与 Rememberizer 连接的第三方应用，具体步骤如下。 * 在导航栏上，选择 **个人 > 查找应用**。然后，您将看到应用目录页面。
导航栏浏览应用目录页面

导航栏浏览应用目录页面

应用目录页面

应用目录页面

* 找到您想要探索的应用。您可以通过在搜索栏中输入应用名称并选择 **过滤和排序顺序** 来完成此操作。
带有过滤和排序按钮的搜索栏

带有过滤和排序按钮的搜索栏

* 点击 **第三方应用的名称** 或 **探索按钮** 来打开该应用。
应用名称和探索按钮

应用名称和探索按钮

* 使用该应用时，需要授权该应用与 Rememberizer 连接。有关流程的技术细节，请访问 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 页面。我们将以 **Rememberizer GPT 应用** 作为授权的 UI 流程示例。在第一次聊天后，您将看到该应用请求您登录 Rememberizer。
来自 Rememberizer GPT 应用的登录请求

来自 Rememberizer GPT 应用的登录请求

* 点击 **登录** 按钮。您将被重定向到授权页面。
授权页面

授权页面

* 您可以通过点击 **更改** 按钮来修改应用可以查看和使用的 Memento 和 Memory，并选择您想要的内容。 > **注意：** 有关 Memento 的详细信息，请访问 [mementos-filter-access.md](mementos-filter-access.md "mention") 页面。 > **注意：** 有关 Memory 集成的详细信息，请访问 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 页面。 * 点击 **授权** 完成该过程。然后您将再次被重定向回应用，您可以正常与其聊天。 > **注意：** 如果您点击 **取消** 按钮，您将再次被重定向到应用的登录页面，该应用将不会显示在 **应用目录** 页面中，而是会出现在 **您的连接应用** 页面中。如需完全取消授权过程的更多详细信息，请访问第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")。
成功连接的账户

成功连接的账户

## 管理您的连接应用 在 **应用目录** 页面，选择 **您的连接应用** 浏览该页面。
browse your connected app
您的连接应用页面

您的连接应用页面

该页面根据应用的状态将其分类为两种类型：**待处理应用** 和 **连接应用**。 * **待处理应用**：这些是您在 Rememberizer 上授权应用时点击 **取消** 按钮的应用。 * 如果您想完成授权过程，请点击 **继续**。 * 否则，点击 **取消** 完全撤回授权。该应用将再次显示在 **应用目录** 页面中。 * **连接应用**：您可以通过点击更改选项（如果尚未选择 Memento，则选择）来配置特定连接应用的 **Memento** 或 **记忆集成**。如果您想将第三方应用从 Rememberizer 中断开，请点击 **断开连接**。 ==> personal/rememberizer-memory-integration.md <== # Rememberizer 记忆集成 ### 介绍 Rememberizer Memory 允许第三方应用程序在用户的 Rememberizer 账户中存储和访问数据，为有价值的信息在多个用户的应用程序中保存和利用提供了一种简单的方法。 ### 益处 #### 对于用户 共享内存创建了一个单一的地点，所有用户应用程序的关键结果和信息都可以在一个位置找到。对用户的一些好处包括： * 便捷访问：重要数据被集中管理，允许用户和他们的应用程序轻松访问多个应用程序的结果。 * 应用之间同步：信息可以在用户的不同应用之间无缝共享和同步，无需用户额外付出努力。 * 持久存储：数据即使在单个应用程序被卸载后依然可以访问，不像特定应用的本地存储。 #### 对于应用开发者 共享内存为应用开发者提供了一种简单的方式来访问用户其他连接应用的数据： * 无需后端：应用无需开发自己的自定义后端系统来存储和共享数据。 * 利用其他应用：应用可以基于用户其他已安装应用生成的公共数据进行构建和利用，丰富自身功能。 * 跨应用集成：应用开发者的不同应用之间实现无缝集成和数据共享能力。 默认情况下，所有应用对共享内存具有只读访问权限，而每个应用只能写入自己的内存空间。用户可以根据需要自定义访问权限。这在数据共享与用户隐私和控制之间实现了平衡。 ### 配置您的记忆 #### 全局设置 全局设置允许用户配置所有使用共享内存的应用程序的默认权限。这包括：
在知识页面配置内存

在知识页面配置内存

#### 应用程序的默认内存和数据访问权限 * **读取自己的/写入自己的：** 应用程序仅被允许访问和修改自己的内存数据。 * **读取所有/写入自己的：** 应用程序可以读取所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存：** 默认情况下，应用程序无法访问或存储内存数据。 * **应用于所有选项：** 用户可以将所有应用程序特定的权限设置恢复为全局设置中选择的默认值。
memory settings panel
用户可以通过 _**忘记你的记忆**_ 选项清除所有内存文档：
忘记记忆时的确认模态

忘记记忆时的确认模态

#### 应用设置 对于每个连接的应用，用户可以自定义共享内存权限。点击 **“查找应用”**，然后点击 **“您的连接应用”** 或访问链接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 查看您连接的应用列表。然后，点击您想要自定义的应用的内存上的 **“更改”**：
在连接应用页面为每个应用配置内存

在连接应用页面为每个应用配置内存

#### 应用程序的内存访问权限 * **读取自己的/写入自己的**：权限仅允许应用程序访问和修改其自己的内存数据，防止其与其他应用程序的内存交互。 * **读取所有/写入自己的**：应用程序可以查看所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存**：应用程序被禁止访问或修改内存数据。 这使用户能够根据对特定应用程序的信任程度，对每个应用程序如何利用共享内存进行细粒度控制。单个应用程序的权限可以比全局默认设置更严格。 全局设置和应用程序设置共同为用户提供强大而易于使用的控制，管理他们的数据如何通过共享内存进行共享。 ### 与记忆功能集成 #### API 端点 Rememberizer 提供一个 API 端点 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 让 GPT 应用调用以记住内容。 注意：此 API 仅适用于具有 [OAuth2 认证的第三方应用](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 密钥](../developer/registering-and-using-api-keys.md)）。 #### 记住你的知识 在授权使用 Rememberizer 后，第三方应用可以记住它宝贵的知识。 在这里，我们将演示一个使用 Rememberizer GPT 应用的过程。 * 在使用 Rememberizer GPT 应用后，用户想要记住第三点“零成本抽象”。
与 Rememberizer GPT 应用互动

与 Rememberizer GPT 应用互动

* 要使用 Rememberizer 应用的记忆功能，用户必须首先授权该应用访问你的项目。使用 **memorize** 命令告诉应用需要存储哪些知识。
登录以授权 Rememberizer

登录以授权 Rememberizer

* 用户可以在这里配置记忆选项，默认值基于全局配置
授权屏幕

授权屏幕

现在，Rememberizer 成功地记住了知识。
successful memorize knowledge
* 在 Rememberizer 中，用户可以在 **嵌入知识详情** 页面查看最近的内容。
embedded knowledge detail
通过 **Talk to Slack** 应用，用户可以无缝地应用并继续使用他们已记住的数据。例如，记住的信息可以轻松查询和检索
在另一个应用中回忆记忆数据

在另一个应用中回忆记忆数据

### 通过 Memento 使用记忆数据 * 利用记忆数据的另一种方法是创建 **Memento** 并将记忆提炼到其中。有关创建说明的更多信息，请访问 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分。 * Rememberizer 将内容保存到文件中，用户可以选择任何应用程序将其内容提炼为 **Memento**。 > 注意：在旧版本中，Rememberizer 将内容保存到文件中，并按日期合并到文件夹中。
memory memento feature
通过 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用户即使在记忆应用配置关闭时也可以利用记忆数据。 ### 在 Rememberizer 中搜索记忆文档 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好地，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南将引导您完成将您的 Dropbox 集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Dropbox 集成 1. 登录到您的帐户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Dropbox。
Dropbox，准备作为知识来源连接

Dropbox，准备作为知识来源连接

3. 点击 **"允许"** 将 Rememberizer Dropbox 应用安装到您的帐户。
dropbox oauth
4. 一旦您授予了必要的权限，您将被重定向回我们的平台，在那里您应该能看到您的 Dropbox 帐户已连接，并且侧边面板会弹出。
dropbox auth redirect
5. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
dropbox choose knowledge
7. 选择您的文件和文件夹后，点击 **"添加"**，我们的系统将开始嵌入。这个过程可能需要几分钟，具体取决于数据量。 ### 连接到另一个Dropbox账户 如果你断开了你的Dropbox知识库，然后重新连接，很可能Dropbox会自动连接到你之前的Dropbox账户，完全跳过授权页面。 如果你想用另一个Dropbox账户连接： 1. 前往Dropbox网站，用你之前的账户凭证登录。 2. 登录后，点击右上角的个人头像。 3. 在下拉菜单中选择"设置"。 4. 在设置菜单中，选中"已连接的应用程序"标签。 5. 在已连接的应用程序列表中找到Rememberizer应用程序，并点击其旁边的"断开连接"。 6. 退出你之前的Dropbox账户。 7. 现在，当你试图再次将Dropbox连接到Rememberizer应用程序时，它会提示你授权新的Dropbox账户。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Slack 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Google Drive 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Google Drive。
drive personal knowledge
3. 点击 Google Drive 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Google Drive。选择您的 Google Drive 账户。
drive oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
drive oauth step 2
5. 通过点击 **"继续"** 允许 Rememberizer **查看和下载您所有的 Google Drive 文件**。
drive oauth step 3
6. 您将被重定向回我们的平台，此时您应该能看到您的 Drive 账户已连接，并且侧边面板弹出。
drive auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
drive choose knowledge
8. 选择文件后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Google Drive 数据。
drive choose knowledge checkbox
9. 选择您的文件和文件夹后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。
drive indexing
### Google Drive 集成的限制 * 虽然 Rememberizer 的 Google Drive 集成允许您访问和嵌入各种文件和文件夹，但由于 Google 设置的限制，目前无法访问或嵌入“计算机”部分的文件，该部分用于备份您计算机上的文件。 * 如果您需要从本地计算机嵌入文件，我们建议使用我们的 Rememberizer Agent 桌面应用程序。要了解有关 Rememberizer Agent 的更多信息以及如何安装和使用它，请参考我们的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Slack、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/README.md <== # 个人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以发布一个主题或问题，Rememberizer 将 提供一个文件列表，并提取在概念上相似的部分。 --- # 搜索你的知识 ## 在 Rememberizer 中搜索 * 在导航栏中，选择 **个人 > 搜索您的知识**。然后您将看到 Rememberizer 的搜索页面。
navbar search rememberizer (1)
search rememberizer page
* 输入您想要搜索的问题或主题，然后选择您想要限制应用程序访问的纪念品，并点击 Rememberizer 按钮（或按 Enter）。搜索过程可能需要几分钟，具体取决于 Memento 中的数据量。
在 Rememberizer 中搜索的纪念品过滤

在 Rememberizer 中搜索的纪念品过滤

* 最终，您将看到与您所需问题或主题匹配的文档列表。您可以点击文件，它将下拉与您的问题或主题相关的匹配文本块。
搜索结果的示例

搜索结果的示例

==> personal/rememberizer-app.md <== # Rememberizer 应用 ### 介绍 Rememberizer 应用程序是一款 MacOS 桌面应用，能够将您的本地文件转换为向量嵌入，并将其作为数据源上传到 Rememberizer 的知识库中。该应用程序使其他 LLM 通过 Rememberizer 的 API 查询您的嵌入，基于您本地文件的内容生成答案。 ### 优势。 * **数据利用：** 该应用程序帮助您以有意义和高效的方式利用本地文件。它从您的文件中提取有价值的数据，并使其可用于机器学习过程。 * **易用性：** 该应用程序具有用户友好的界面，安装和使用都很简单。它处理文件转换和数据上传的所有繁重工作，因此您无需操心。 * **集成：** Rememberizer 应用程序与其他 LLM 无缝集成。这使得它们能够通过 Rememberizer 的 API 查询您的嵌入，以根据您本地文件的内容生成答案。 ### 安装。 1. 从 [这里提供的链接](rememberizer-app.md#download-links) 下载一个版本的 Rememberizer 应用程序。 2. 下载完成后，在你的下载文件夹中找到 .dmg 文件并双击它。 3. 当新窗口打开时，将 Rememberizer 应用程序拖入你的应用程序文件夹。 4. 前往你的应用程序文件夹，点击 Rememberizer 应用程序以打开它。 ### 如何使用。 1. **登录：** 要使用 Rememberizer 应用程序，您需要使用您的 Rememberizer 账户登录。如果您没有 Rememberizer 账户，您需要创建一个。
rememberizer app sign in
rememberizer app success auth
2. **将文件夹添加到数据源：** 登录后，Rememberizer 应用程序将开始在后台运行。您可以通过点击状态栏中的小图标来访问它，如下所示。首次使用时，您需要将文件夹添加到数据源。这使得 Rememberizer 应用程序能够将这些文件夹中的文件转换为向量嵌入并上传到您的 Rememberizer 知识库。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上传：** 软件将无缝地将这些向量嵌入整合到您的 Rememberizer 知识数据库中。通过 Rememberizer 状态标签跟踪上传过程。
rememberizer app status
### 下载链接。 * Rememberizer 应用 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [发布说明](rememberizer-app.md#version-1.3.1-july-25-2024)。 请注意，建议始终使用最新版本的软件，以利用所有最新功能和改进。 Rememberizer 应用旨在使将本地文件转换为向量嵌入的过程尽可能无缝。享受以更高效的方式使用您的数据！ ### 发布说明. ### 版本 1.6.1（2024年10月4日） #### 功能和改进 * **支持空文件夹**：用户现在可以将空文件夹添加为数据源。 * **小幅改进**：对用户界面和性能进行了增强。 * **GPU支持和性能改进**：增加了对GPU加速的支持，以提高处理速度。 * **增强的嵌入程序**：配置为支持PyTorch的MPS版本，优化特定机器的构建。 * **智能CPU检测**：实现了CPU类型的检测，以确保使用最合适的嵌入程序版本。 * **改进的数据源管理**：利用批量删除API高效删除已移除数据源中的文件。 * **支持所有纯文本文件**：启用了对各种纯文本文件类型的处理。 * **遵循Gitignore规则**：现在在Git存储库中被gitignore规则忽略的文件将被排除在处理之外。 ==> personal/common-knowledge.md <== --- description: >- 通过添加对我们和其他人预先索引数据的AI访问，增强您的知识或快速入门。 --- # 常识 ## 什么是常识 在 Rememberizer 中，注册用户 **(发布者)** 可以通过备忘录选择他们上传的文档，并将其公开分享为常识。其他用户 **(订阅者)** 可以访问这些公共知识并将其添加到自己的资源中。 通过贡献他们的数据，其他用户可以共同增强常识页面上可用的信息。这种协作方式使所有用户能够访问更丰富的数据源，从而提高他们的 AI 应用程序的学习能力。 ## 添加公共常识 为了将公共常识订阅到您的资源中，请按照以下说明操作 * 在导航栏中，选择 **个人 > 常识**。然后，您将看到公共常识页面。
navbar browse ck
public ck page
* 然后，寻找您想要订阅的常识。您可以通过在搜索栏中输入常识的名称来查找该常识。您还可以选择搜索栏旁边的过滤选项。
搜索栏的过滤器

搜索栏的过滤器

搜索结果示例

搜索结果示例

* 然后点击公共常识上的 **添加** 按钮。成功订阅后，您将看到 **添加** 按钮变为 **移除** 按钮。
未添加的常识

未添加的常识

已添加的常识

已添加的常识

* 之后，如果您想要移除已订阅的常识，请点击 **移除** 按钮。 ## 创建共享知识 有关创建和共享共享知识的详细说明，请访问此页面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每个应用集成的 Memento 来限制其对您的知识的访问 --- # Mementos过滤器访问 ### 什么是备忘录，它们为什么存在？ Rememberizer 的一个主要目的是以受控的方式与第三方应用程序共享您数据的高度相关摘录。这是通过将单个 **备忘录** 应用到与 Rememberizer 集成的每个应用程序来实现的，您也选择授权这些应用程序访问您在 Rememberizer 中的数据。 当前的备忘录实现允许用户选择特定的文件、文档或内容组，例如可以被该应用程序使用的文件夹或频道。后续的实现将增加其他过滤第三方访问的方法，例如时间范围，如“在过去 30 天内创建”。\ \ 两个默认值是“无”和“所有”。所有共享用户允许 Rememberizer 访问的每个文件。无则不与相关应用共享任何内容。选择无允许用户选择一个应用并将其与 Rememberizer 集成，而无需当场决定要提供哪些内容。选择一个无的备忘录或编辑现有的应用备忘录以共享无，是一种关闭应用访问用户数据的方法，而无需删除集成。这就像是您数据的关闭开关。自定义备忘录可以专门制作，并具有反映这一点的名称，例如“作业”或“市场营销”。 ### 如何创建 Mementos？ 本指南将引导您完成创建 Mementos 的过程 1. 在选项卡中导航到 **个人 > Memento: 限制访问**，或访问 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您应该在屏幕左侧看到所有 Mementos
memento page
2. 点击 **创建新 memento**。然后填写您自定义 memento 的名称并点击 **创建**。之后，您应该看到您的 memento 已添加，并且可以在您的 memento 中包含数据源的列表。
create memento
memento detail
3. 点击您想要细化的数据源上的 **细化**，侧边面板将弹出。然后选择添加文件夹或文件，并点击 **细化** 将这些数据源添加到 Memento。
memento refine knowledge
4. 此外，对于常见知识源，您可以点击 **添加** 将知识包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允许用户高效管理来自各种来源的存储文件。 本节将向您展示如何访问、搜索、过滤和管理您上传的知识文件 --- # 管理您的嵌入知识 ## 浏览嵌入知识详情页面 在导航栏中，选择 **个人 > 您的知识**。 找到“您的知识”部分右侧的 **查看详情** 按钮并点击它。 然后，您将看到 **嵌入知识详情** 页面。
您的知识部分和 <strong>查看详情</strong> 按钮

您的知识部分和 查看详情 按钮

嵌入知识详情页面

嵌入知识详情页面

知识文件详情表包括以下属性： * **文档：** 文档或 Slack 频道的名称。 * **来源：** 文件上传的资源（Drive、Mail、Slack、Dropbox 和 Rememberizer 应用）。 * **目录：** 文件在源中的位置。 * **状态：** 文件的状态（索引中、已索引或错误）。 * **大小：** 文件的大小。 * **索引时间：** 文件被索引的日期。 * **操作：** 删除文件的按钮。对于状态为错误的文件，垃圾桶图标（删除按钮）旁边还会有一个重试图标。 ## 详细页面的功能 ### 搜索和过滤文件 用户可以通过 **搜索栏** 按名称搜索文档。在栏中输入名称，然后按 Enter 键获取结果。
搜索结果

搜索结果

您还可以选择 **状态过滤器** 和 **来源过滤器**。这将通过缩小搜索条件快速定位特定文档。
来源过滤器

来源过滤器

状态过滤器

状态过滤器

### 删除上传的文件 找到您想要删除的文件（如有需要可通过搜索）。然后点击**操作**列中的**垃圾桶图标**。
带有删除图标的文件

带有删除图标的文件

将弹出一个模态框以确认删除。点击**确认**，然后您将看到文件已被删除。
删除确认模态框

删除确认模态框

### 重试索引错误文件 用户可以重试嵌入那些 Rememberizer 无法索引的文件。要重试索引特定文件，只需点击 **操作** 列中删除按钮旁边的重试按钮。
特定错误文件的重试按钮

特定错误文件的重试按钮

如果用户想重试索引所有错误文件，请点击 **操作** 列标签旁边的重试按钮。
所有错误文件的重试按钮

所有错误文件的重试按钮

以下是成功重试索引来自 Gmail 集成的错误文件后的图像。
成功重试索引错误文件

成功重试索引错误文件

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Gmail 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Gmail。
gmail personal knowledge
3. 点击 Gmail 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，请求您允许 Rememberizer 访问您的 Gmail。选择您的 Gmail 账户。
gmail oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
gmail oauth step 2
5. 通过点击 **"继续"** 授予 Rememberizer **权限** 以访问您的 Gmail。
gmail oauth step 3
6. 您将被重定向回我们的平台，您应该能看到您的 Gmail 已连接。
gmail auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些电子邮件标签。点击 **"选择"** 按钮，并从侧边面板中选择您想要的电子邮件标签。所有属于所选标签的电子邮件将被嵌入。
gmail choose knowledge
8. 选择标签后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Gmail 数据。
gmail choose knowledge checkbox
9. 一旦您选择了标签，我们的系统将开始嵌入电子邮件和附件。此过程可能需要几分钟，具体取决于数据量。
gmail indexing
### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序（如 Slack、Box、Dropbox 等）中的知识结合起来，形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用条款 ### 1. 引言 本文档概述了Skydeck AI Inc的一项服务Rememberizer（"Rememberizer"）的使用条款（“条款”），包括在*.rememberizer.ai中为用户提供的所有页面，以及链接到这些条款的任何其他页面（"网站"）。这些条款构成了您作为用户与Skydeck AI Inc作为这个平台提供者之间的具有法律约束力的协议。通过访问或使用这个平台，您确认同意遵守这些条款。 ### 2. 接受条款 通过访问或使用网站的任何部分，您确认您至少已经18岁，已经阅读并理解这些使用条款以及Rememberizer隐私政策（隐私政策已被引入并构成本条款的一部分），并同意受其法律约束。 在这些条款中，“我们”指的是Rememberizer，而“您”既指您个人，也指您代表的任何实体。通过使用我们的平台，您确认您可以代表此类实体接受这些条款，从而使其受到这些条款的约束。 ### 3. 联系信息 SkyDeck AI Inc. 是您签约的实体。我们的邮寄地址和联系方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 旧金山，加利福尼亚州 94104\ 电话：1.415.744.1557\ 法律咨询：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ### 4. 授权许可和专有权利 在您全面遵守这些条款、平台发布的任何其它政策或限制，及时支付与 Rememberizer 协商的任何费用的前提下，我们授予您有限的、非独家的、不可转让的、可撤销的许可，让您可以访问和使用平台。 除非另有说明，平台提供的所有内容（包括但不限于软件、提交内容、信息、用户界面、图形、商标、标志、图像、艺术作品、视频、文件，以及平台的整体“外观”）均由 Rememberizer 所有、控制、或获得许可。这些内容受到包括商业装潢、版权、专利和商标法等各种法律以及其它知识产权和不正当竞争法的保护。 Rememberizer 保留所有权利。 您的内容仍然是您的唯一财产。您授予我们一个非独家的、可撤销的许可，让我们可以为您提供服务的目的使用您的内容。 任何未经授权的复制、重新分发、使用或利用平台的任何部分，都严格禁止，可能会造成民事或刑事惩罚。 ### 5. 账户责任 如果您在平台上开设账户，您有责任维护您的账户信息的保密性，并负责您账户下的所有活动。接受这些条款并创建账户即表示您同意我们按照隐私政策所述收集、使用和披露您的信息。对于记忆者（Rememberizer）或平台，未满18岁的人不得注册账户或提供任何个人信息。如果发现账户被未经授权的使用，立即通知记忆者。因为未经授权的使用可能导致您承担损失。未经记忆者预先批准，不得使用他人的账户。在禁止的地方，账户注册无效。 ### 6. 用户权利和责任 作为用户，您有权利为合法商业目的使用我们的AI工具。您有责任不滥用或滥用这些工具，不侵犯他人的权利，也不违反任何法律。在使用平台时，您需遵守所有适用的法律和法规。 ### 7. 提供商权利和责任 我们，Rememberizer.，保留监控使用情况、执行这些条款以及根据需要更新平台及其条款的权利。我们负责提供可靠的服务，尊重用户的隐私，并对任何问题或疑虑作出回应。 ### 8. 内容规则 由我们的AI工具生成的内容由您，作为用户，拥有，但需遵守这些条款中规定的任何限制或条件。内容不应用于非法或不适当的用途。 ### 9. 滥用和违约 滥用或违反这些条款可能导致处罚，包括但不限于，暂停或终止访问平台的权利，法律诉讼，和/或赔偿。 ### 10. 免责声明 您同意，使用该平台，包括任何内容，都是您个人的风险。平台和内容以“原样”和“可用”的基础提供。Rememberizer不做任何明示或暗示的保证，并放弃所有可能的保证，包括但不限于暗示的适销性、特定目的适用性、权属和非侵权的保证。Rememberizer不能保证平台或内容是准确的、始终可用的、完整的、可靠的、安全的、最新的、无误的，或者没有病毒或其他有害组件。 ### 11. 赔偿 您同意赔偿，为记忆器及其高级职员，董事，股东，继承人，员工，代理人，子公司和关联公司进行辩护，并使其免受任何实际或威胁的第三方索赔，要求，损失，损害，费用，责任，诉讼和费用（包括合理的律师和专家费用以及调查成本），在法律允许的最大范围内。这包括由于您使用平台，违反了这些条款，违反了任何法律法规，侵犯了任何第三方权利，或者您泄露，征询或使用任何个人信息（无论是否经过您的知情同意）而产生的任何问题。记忆器有权假定您须要赔偿的任何事项的专属辩护和控制权，并且您同意与记忆器的这种索赔辩护合作。在未征得记忆器事先书面同意的情况下，您不得同意任何影响记忆器的和解。 ### 12. 暂停或终止访问权 Rememberizer保留随时暂停或终止您对平台的任何或所有访问权的权利，无论是否通知，无论何种原因。这包括但不限于违反这些条款，应执法机构或其他政府机构的要求，中断或明显修改平台，或出现意外的技术问题。Rememberizer对于终止您对平台的访问权并不承担责任。在终止您的访问权后，任何应自然延续的根据这些条款的权利和义务将继续有效。 ### 13. 责任限制 在法律允许的最大范围内，您同意承担因您访问和使用该平台及内容而产生的所有风险。Rememberizer或其任何董事、员工、代理或供应商将不承担因使用或与平台相关，以及任何在平台上包含或以其他方式可通过平台获得的内容、服务或产品而产生的任何特殊的、间接的、附带的、示例性的、后果性的或惩罚性的损害。Rememberizer因这些条款或因使用或无法使用平台而对您产生的总累计责任，不会超过一百美元（$100.00）。 ### 14. 争议解决 任何因这些条款而引发或与此相关的纷争、争议或索赔，包括其有效性、无效性、违规或终止，应根据美国仲裁协会的规则通过仲裁解决。仲裁地点应在加利福尼亚州的圣何塞，程序应遵循加利福尼亚的法律。仲裁裁决应对双方都是最后且具有约束力的。 ### 15. 条款的更改 记忆器保留随时更改这些条款的权利，这完全由我们自行决定。更改将通过适当的渠道通知用户，例如电子邮件通知、网站横幅或应用内消息， 并将给予用户合理的时间接受新的条款。 ### 16. 翻译 为了方便您，我们提供了此文档的机器翻译版本，语言为英语以外的其他语言。在原始英语版本与其他语言版本之间存在冲突或矛盾时，以英语版本为准，优先适用。通过依赖此文档的非英语翻译，您接受翻译文本与您已同意的实际条款之间可能存在意外差异。 ==> notices/privacy-policy.md <== # 隐私政 ## Rememberizer 隐私政策 SkyDeck AI Inc.（"Rememberizer"，"我们"，"我们的"或"我们"）尊重您的隐私，并致力于通过遵守此政策来保护。此政策描述了我们可能从您那里收集的信息类型，或者您在使用 rememberizer.ai 生成 AI 平台（我们的"服务"）时可能提供的信息，以及我们收集、使用、维护、保护和披露此类信息的做法。 ### 我们收集的关于您的信息及其收集方式 我们从用户及其使用我们服务的相关信息中收集几种类型的信息，包括： * 个人信息，例如您的姓名、电子邮件地址以及其他您可能通过在线或离线方式被联系的标识符。 * 技术数据，例如有关您的互联网连接的信息、您用来访问我们服务的设备以及使用详情。 * 访问您提供的第三方供应商生成的 AI 模型的 API 密钥和凭据。 * 文档内容（“知识”），包括整篇文档（如 Google Docs）、数据和讨论（如 Slack 频道的内容）。这些信息来自您选择并决定与 Rememberizer 分享的数据源。 我们收集这些信息： * 直接从您那里，当您授权访问某个数据源时提供给我们的。 * 直接从您集成的应用程序，当该应用程序选择将文本存储在 Rememberizer 内存中以供该应用程序或其他应用程序以后使用时。 * 当您浏览服务时自动收集。自动收集的信息可能包括使用详情、IP 地址以及通过 Cookie、网络信标和其他跟踪技术收集的信息。 * 当您更改源数据时自动收集，以便最新版本能够反映在我们的知识中。 * 我们确认，从 Google Workspace API 检索的任何用户数据不会用于训练任何 AI/ML 模型。此数据仅对已提供明确同意的个人用户可访问，仅用于向您提供和改善我们的服务。 ### 我们如何使用您的信息 我们使用我们收集你的信息或是你提供给我们的信息，包括任何个人信息： * 为您提供服务及其内容，及您从我们那里请求的任何其他信息、产品或服务。 * 为了实现您提供的任何相关目的。 * 为您发送有关您账户的通知。 * 执行我们的义务，维护您和我们之间签订任何合同中产生的权力。 * 通知您我们的服务或是我们提供的任何产品或服务的变化。 * 改进我们的服务、产品或服务。 * 允许您参与我们服务上的互动功能。 * 知识文档的文本部分存储在块中，并在矢量数据商店中索引，以便将估计具有语义相关性的部分返回给您授权访问的第三方应用程序。 ### 第三方分享 Rememberizer的主要目的之一是以受控方式与第三方应用分享您的高度相关数据摘录。这是通过将单一的 **回忆录** 应用到与Rememberizer集成且您也选择授权访问Rememberizer中的数据的每个应用程序来实现的。 当前的回忆录实现允许用户选择特定的文件，文档或一组内容，如文件夹或频道，由该应用程序使用。后续的实现将添加更多方式来过滤第三方访问，如"在过去的30天内创建"等时间范围。\ \ 两个默认值分别为"无"和"全部"。全部表示用户已授权Rememberizer访问的每个文件。无则表示对应用程序不进行任何分享。选择无可以让用户选择一个应用程序并将其与Rememberizer集成，而无需当场决定要提供哪些内容。选择带有无的回忆录或编辑现有应用的回忆录以分享无的，是关闭应用程序访问用户数据的一种方式，无需删除集成。这就像为您的数据设置了一个关闭开关。自定义的回忆录可以根据目的进行制作，并具有反映其目的的名称，例如“作业”或“市场营销”。 ### 信息的披露 我们可以无限制地披露关于我们用户的汇总信息，以及不会识别任何个人的信息。我们可能会按照此隐私政策中的描述披露我们收集或您提供的个人信息： * 对于为我们提供服务或代表我们提供服务并需要访问此类信息以完成工作的第三方供应商、服务提供商、承包商或代理。 * 为完成您提供信息的目的。如果我们在您提供信息时提到了任何其他目的。 * 在您同意的情况下。 ### 您的权利 根据适用的数据保护法，您拥有某些权利。这可能包括： * 请求查看您的个人数据。 * 请求更正我们持有的关于您的个人数据。 * 请求删除您的个人数据。 * 反对处理您的个人数据。 * 请求限制处理您的个人数据。 * 请求转移您的个人数据。 * 撤回同意的权利。 ### 数据安全 我们已经实施了旨在保护您的个人信息免受意外丢失以及未经授权的访问，使用，更改和抏露的措施。您向我们提供的所有信息都存储在我们的安全服务器的防火墙后面。任何支付交易和API密钥都将使用SSL技术加密。 ### 我们的隐私政策的变更 我们的政策是在这个页面发布我们对隐私政策所做的任何更改。如果我们对处理用户个人信息的方式做出重大更改，我们会通过服务首页上的通知告知您。 ### 联系信息 如需询问或评论本隐私政策及我们的隐私实践，请通过以下方式与我们联系： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 旧金山，加州 94104\ 电话：1.415.744.1557\ 电子邮件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此更新增强了与 Dropbox、Google Drive 和 Slack 的集成，并 精炼了文档管理，以提供更顺畅的用户体验。 --- # 2024年4月5日 ## 新特性 * **新知识树支持：** 扩展了树结构，以更好地与 Dropbox 和 Google Drive 整合，实现更直观的文档和文件夹管理。 * **Slack 回复同步：** 新增功能，更有效地同步新的 Slack 回复，帮助保持交流的无缝和更新。 ## 错误修复 * **常见知识页面修复：** 修复了与搜索、分页和更新常见知识页面上的日期时间格式相关的错误。 * **旧账户文件显示修复：** 我们修复了一个问题，即旧账户的选定文件未正确显示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本专注于改善用户体验、增强集成和修复各种问题。主要更新包括Gmail同步和显示目录路径。 --- # 2024年5月17日 ## 新功能 * **Gmail 集成与同步：** 连接您的 Gmail 帐户，在我们的平台上轻松管理电子邮件。上周，我们推出了标签特定的集成；本周，享受同一标签内线程的完全同步，以实现无缝访问和管理。 ## 改进 * **显示目录路径：** 该应用程序现在显示目录路径，使用户更容易导航和定位他们的文档。 * **更新图示：** 应用程序的图示已更新，以提供系统架构和数据流的更清晰视觉表示。 * **更改数据源顺序：** 数据源的顺序已优化，以提高数据检索和处理的效率。 * **更新数据获取逻辑：** 数据获取的逻辑已增强，以提高所检索信息的准确性和可靠性。 ## 错误修复 * **修复删除文档按钮 UI：** 嵌入详细信息中的删除文档按钮的用户界面已修复，以提供更好的用户体验。 ==> notices/releases/nov-22nd-2024.md <== --- description: >- 此版本专注于增强集成灵活性，扩展模型选择选项，并改善文档处理和加载性能。 --- # 2024年11月22日 ### 新功能 - **每个集成的多个账户**：用户现在可以连接和管理每个集成（Google Drive、Dropbox、Gmail 和 Slack）的多个账户，提供更大的灵活性。 - **嵌入选项中的 OpenAI 模型**：在创建或编辑向量存储时，现在可以选择 OpenAI 模型，为嵌入模型提供更多选择。 - **可编辑的嵌入模型凭据**：用户现在可以在编辑向量存储时更新嵌入模型凭据，简化模型管理。 ### 改进 - **并行文档处理**：文档现在可以并行处理，提高了速度和效率。 - **改进的文档加载**：加载工作者的优化提高了文档加载时间。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本专注于增强性能和稳定性，对同步过程进行了重大改进，并修复了已知问题。 --- # 2024年10月4日 ### 改进 - **优化了 Google Drive 导航**：提高了 Google Drive 知识树的性能，以实现更快、更流畅的浏览。 - **增强了同步效率**：通过优化任务管理来改进文档同步，以实现更快的更新。 ### 错误修复 - **解决了断开数据源时崩溃的问题**：修复了在知识面板打开时断开数据源导致应用崩溃的问题。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次发布专注于各种改进、新功能和错误修复，以增强用户体验和功能性。 --- # 2024年9月20日 ### 改进 - **数字格式增强**：大数字现已使用逗号显示，以便于阅读。 - **文档处理更新**：改进的机制高效管理和索引文档，即使在较大的文件夹中。 - **Slack和文档处理优化**：增强的API能够重新尝试所有失败的文档和Slack频道，确保更顺畅的操作。 ### 新特性 - **会员更新**：现在根据加载结果更新会员，以获取更准确的数据。 - **随机文档选择**：引入了随机选择以嵌入和加载文档，以多样化文档处理。 ### 错误修复 - **Dropbox 同步**：暂时禁用 Dropbox 同步以防止潜在的数据问题。 - **搜索字段改进**：知识详情页面上的搜索字段现在根据“file”查询参数自动填充，以便进行更精确的搜索。 - **加载后重新索引集合**：增强了加载结果 API，以自动重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我们最新的发布专注于提升性能、改善可靠性，并通过各种优化和修复提供更好的用户体验。 --- # 2024年11月8日 ### 改进 - **更新的入门体验**：通过更新的 Gmail 集成增强新用户入门视觉效果，以实现更顺畅的开始。 - **优化性能**：通过重新应用半精度向量提高应用程序的速度和效率。 - **增强搜索能力**：改进索引以获得更好的搜索结果和更快的信息检索。 - **提高文档处理可靠性**：增强嵌入任务中的重试处理，以实现更可靠的文档处理。 ### 错误修复 - **修复文档同步错误**：解决了与文档同步和处理错误相关的问题，提高了应用程序的稳定性。 - **解决备忘录访问错误**：修复了备忘录文档无法访问的错误。 - **确保文档索引**：修复了阻止创建向量存储表的问题，确保所有文档都被正确索引并可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改进了错误处理，增强了备忘录侧边栏，并 精炼了测试。主要更新包括备忘录大小显示、更好的错误 响应和自动版本检查。 --- # 2024年6月14日 ## 新功能 * **显示备忘录大小：** 备忘录的大小现在在备忘录侧边栏中显示，为用户提供了更好的存储使用情况洞察。 * **检查最新版本：** 我们添加了一个功能，允许桌面应用程序自动检查并通知用户可用的最新版本。 ## 错误修复 * **已删除的纪念品返回404:** 检索已删除的纪念品或属于其他用户的纪念品现在返回404错误，而不是服务器错误。 * **更新第三方应用的大小:** 修复了一个问题，即第三方应用的记忆文档未触发纪念品的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知识创建和显示以及纪念品重命名等新功能。改进包括关于Dropbox、查询结果和常识用户界面的关键错误修复。 --- # 2024年3月4日 ## 新功能 * **共享知识**：已实现创建和显示共享知识的新功能。 * **记忆重命名**：用户现在可以重命名他们的记忆。 ## 错误修复 * **Dropbox 文件显示**：解决了 Dropbox 中文件显示不正确的问题。 * **查询结果顺序**：修复了一个错误，即连续块的查询结果返回了无序结果。 * **常识 UI**：修复了常识功能的多个 UI 问题。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本专注于增强搜索功能和改善文档管理功能。 --- # 2024年8月16日 ### 新功能 - **增强搜索过滤器**：增加了按发件人和收件人过滤搜索结果的功能，使得查找特定电子邮件更容易。 - **文档创建日期显示**：现在在文档列表中显示文档创建日期，以便于更好的文档管理。 ### 改进 - **改善搜索可靠性**：搜索功能的增强提供了更顺畅和更可靠的体验。 ### 错误修复 - **电子邮件集成修复**：解决了使用 GPT 时与 Gmail 集成的问题，以确保顺利操作。 - **桌面应用内容显示修复**：修复了桌面应用中文档内容显示的问题，以提供更好的用户体验。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此更新带来了新功能和改进，包括简化的 Slack 集成、增强的文档和更高效的用户注册流程。 我们还修复了一些错误。 --- # 2024年3月11日 ## 新功能 * **用户Slack数据迁移:** 现在可以迁移用户Slack数据以适应Slack线程和回复，增强用户交互。 * **常识整合:** 已将常识添加到整合资源端点，扩展了我们系统的能力。 * **置顶共享知识项:** 系统管理员现在可以将共享知识项置顶，提高可见性和可访问性。 * **安全处理文件:** 系统将不再因为空文件而失败，提高系统可靠性。 * **管理共享知识:** 用户现在可以删除和编辑他们的共享知识，对共享内容有更多的控制。 ## 改进 * **Rememberizer UI更新：**Rememberizer的用户界面已根据Slack回复的新格式进行更新。 ## 错误修复 * **在常识之间切换：** 修复了在精炼纪念品时在常识之间切换的问题。 * **不支持的文档可见性：** 修复了导致不支持的文档被显示的问题。 * **用户文档列表：** 订阅的文档将不再出现在用户文档列表中。 * **纪念品大小估算：** 修正了纪念品估算大小的错误计算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本专注于改善我们的 Slack 集成，增强用户界面，并解决关键问题，以提供更顺畅的体验。 --- # 2024年7月26日 **新功能：** * **Slack频道计数器**：一项新功能，准确计算并显示Slack频道的数量，帮助用户更好地管理他们的工作区连接。 **改进：** * **更新的Slack集成用户界面**：Slack集成的用户界面已更新，以支持新的频道机制，使其更加直观和易于使用。 * **应用名称更新**：桌面应用程序的名称已更新为“Rememberizer”，体现了我们帮助用户组织和记住重要信息的承诺。 **错误修复：** * **Google Drive集成**：解决了访问Google Drive文件夹时导致错误的问题，确保更顺畅的导航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此次发布专注于增强Dropbox和Google Drive的同步性能和导航，为您提供更顺畅和高效的体验。 --- # 2024年9月27日 ### 改进 - **增强的云同步**：优化了Dropbox和Google Drive的同步流程，实现了更快和更可靠的文件更新。 - **改进的Dropbox导航**：精炼了Dropbox知识树，以便更高效地组织文件和更容易地访问。 - **定期同步计划**：设置Google Drive、Dropbox和Gmail的同步任务，每6小时进行一次，确保您的内容始终保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在此版本中，我们为上传实施了1MB的图像大小限制，并增强了选择面板中的文档显示。我们还修复了与数据源断开连接相关的错误。 --- # 2024年2月26日 ## 改进 * **图像大小限制**：共享知识的裁剪图像大小不得超过1MB。 * **文档显示增强**：我们增加了在右侧选择面板内的树状结构中可以显示的文档数量，以改善用户体验。 ## 错误修复 * **数据源断开连接**：修复了一个问题，即断开数据源时未能适当地删除文档并移除数据源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此次发布专注于改善我们应用程序的整体性能、数据处理和 错误管理。用户可以期待更强大和 高效的体验。 --- # 2024年8月2日 **新功能：** * **改进的搜索功能**：搜索功能现在进行并行内容检索，提供更快和更准确的结果。 * **精细化的文档通知系统**：用户将收到更精确的文档更新通知，增强协作和工作流程管理。 * **更新的API密钥格式**：更新API密钥前缀以提高安全性和便于识别。 **改进：** * **增强的数据管理**：系统现在更有效地处理空文档，确保所有相关信息正确索引和加载。 * **优化的纪念品组织**：对纪念品侧边栏的改进提供了更清晰的文档和文件夹视图，使导航更加直观。 * **简化的数据处理**：实施新的嵌入机制和向量数据库适配，以更高效地处理和分析数据。 **错误修复：** * **电子邮件编码兼容性**：当电子邮件字符集不正确时，更新系统编码格式，防止潜在的显示问题。 * **Gmail标签管理**：解决删除Gmail标签时的问题，确保电子邮件集成更加顺畅。 * **异常处理**：改进错误通知系统，以更好地管理和传达系统异常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本专注于提高文档索引的可靠性，并包括各种错误修复，以增强您的体验。 --- # 2024年10月25日 ### 新功能 - **索引失败的自动重试**：实现了自动重试机制，以确保未成功索引的文档会被重试，从而增强数据一致性。 ### 错误修复 - **改进搜索功能**：修复了一个问题，导致无法搜索连接到没有记忆的备忘录的应用程序。 - **系统稳定性增强**：解决了并发任务期间数据库连接重叠的问题，以提高性能。 - **Slack同步调整**：暂时禁用空Slack频道的同步，以避免不必要的错误。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本专注于提高文档保存的可靠性。 --- # 2024年10月18日 ### 错误修复 - **增强文档保存稳定性**：改进了文档保存过程，以防止在同时编辑时出现潜在冲突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增强了文档同步，简化了常见知识管理，并优化了用户界面，提高了整体系统 效率和用户体验。 --- # 2024年4月12日 ## 新特性 * **云存储的自动同步：** 用户现在可以为Dropbox和Google Drive中的选定文件夹和文件设置自动同步，从而简化文档管理流程。 ## 改进 * **优化文档排序：** 现在可以通过索引日期或名称设置文档顺序，便于更直观的导航和检索。 * **备忘管理的UI更新：** 常识备忘UI已更新，包括一个新的共享设置切换，改善用户对数据共享的控制。 * **UI响应性和自定义：** 已实施小型UI修复。 ## 错误修复 * **入职流程：** 解决了在用户入职步骤中未显示常识的问题，增强了新用户的初始设置体验。 ==> notices/releases/README.md <== --- description: 公共声明、合规变更和用户帮助更新。 --- # 发布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次发布专注于提升用户体验、改善文档管理和优化 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack频道集成**：增强了对Slack频道的支持，改善了应用内的沟通与协作。 * **文档状态过滤器**：在嵌入详细信息页面新增了文档状态过滤器，使跟踪和管理文档变得更加容易。 * **分层文档显示**：在备忘录侧边栏中实现了新的树状视图，以分层方式组织文档和文件夹，改善导航体验。 * **高级搜索功能**：引入了日期范围过滤器，增强了搜索功能，允许更精确的文档检索。 **改进** * **文档管理**：优化了将文档链接到知识详细信息页面的过程，简化了文档组织和访问。 * **用户界面更新**：进行了多项UI增强，以改善整体应用可用性和视觉吸引力。 * **性能优化**：重构了代码并更新了API调用，以提升应用性能和响应速度。 **错误修复** * **空搜索查询处理**：解决了空搜索查询未被正确处理的问题，提高了搜索的可靠性。 * **电子邮件集成**：修复了与GPT交互时电子邮件源处理相关的问题，确保与电子邮件服务的更顺畅集成。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本对备忘录树进行了改进，提供了更好的排序，并修复了影响GPT应用程序中API请求的错误。 --- # 2024年2月19日 ## 改进 * **Memento Tree中的字母顺序排序**：为了提高导航效率，Memento tree中的文件和Slack频道现在按字母顺序排列。 ## 错误修复 * **GPT 应用**：我们修复了一个问题，该问题阻止了通过新设置的 GPT 应用进行 API 请求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次发布专注于通过改进的入门体验、纪念品管理和响应式用户界面来增强用户体验。关键更新包括移除图像大小限制，显示纪念品大小。 --- # 2024年3月18日 ## 新功能 * **创建新记忆按钮：** 我们添加了一个新按钮，以在授权应用程序时创建记忆，使流程更加用户友好。 * **图片上传器无大小限制：** 用户现在可以上传任何大小的图片，提供了更多的文档设计灵活性。 * **常识大小显示：** 我们增加了显示常识项目大小的功能，提供了更多的存储使用透明度。 ## 改进 * **Slack 频道的索引时间：**现在在检查新消息时会更新索引时间，并且文档的 `INDEXED` 状态会得到维护，提高了文档搜索的效率。 * **更流畅的入门操作：**我们减少了入门流程中的冗余步骤，使其更快更高效。 * **常识部分的响应式 UI：**我们优化了 memento 页面上常识部分的 UI，使其具有响应性，从而改善了在各种设备上的可读性。 * **Memento 大小显示：**现在在授权应用程序时会显示 memento 的大小，帮助用户更好地理解他们授权的 memento。 ## 错误修复 **用户重命名应用程序：** 现在正确处理用户重命名应用程序的情况，防止潜在错误。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次发布。 --- # 2024年1月15日 ## 新功能 * **文档搜索**：通过我们高效的搜索功能轻松找到您的文档。 * **Google Drive 集成**：通过 Google Drive 无缝管理您的文件。 * **开发者中心**：为开发者提供一个用户友好的空间，方便他们注册和配置与 Rememberizer 的集成应用。 * **纪念品管理**：轻松创建、列出和删除您的纪念品。 * **数据源管理**：轻松连接和断开您的数据源。 * **简单的入门**：我们的入门状态功能旨在为所有用户和开发者提供顺利的开始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在此版本中，我们引入了一个公共常识页面，改进了纪念品结构和入门用户界面，并修复了应用授权计数的错误。 --- # 2024年2月12 ## 新功能 * **公共知识页面**: 为了更好地获取和分享信息，我们实施了新的公共知识页面。 * **入职中的公共知识**: 用户现在可以直接从入职页面添加公共知识。 * **备忘录的树状结构**: 备忘录中的文件现在以树状结构返回，以便更清晰地导航和查看。 ## 改进 * **入职步骤的用户界面**：入职步骤的用户界面经过调整，以提供更好的用户体验。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本专注于提升性能、改善身份验证，并提高整体可靠性，以提供更好的用户体验。 --- # 2024年11月1日 ### 改进 - **更快的搜索性能**：优化后端流程，以提供更快速的文档访问。 - **增强的认证系统**：升级认证以提高安全性和可靠性。 - **改善的索引可靠性**：增强文档索引的监控，以确保所有文档均可搜索。 - **优化的系统性能**：实施后端优化，以提供更快、更高效的服务。 ### 新功能 - **自动数据源重新连接**：数据源现在会自动保持连接，确保您可以不间断地访问您的信息。 ### 错误修复 - **增强隐私控制**：修复了一个问题，该问题阻止了用户视图中的未授权列表，从而改善了隐私。 - **解决应用授权问题**：修正了授权应用的重定向问题，以实现无缝访问。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本专注于增强用户身份验证体验，包括更顺畅的登录重定向和改进的桌面应用支持。 --- # 2024年11月15日 ### 新功能 - **桌面应用程序认证**：用户现在可以通过我们的桌面应用程序直接进行认证，以获得更集成的体验。 ### 改进 - **无缝登录重定向**：未认证用户在登录后现在会被重定向回他们原来的页面，确保导航不受干扰。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增强的用户体验，改进了文档大小管理，提供了更直观的搜索界面，并实现了无缝的Dropbox集成。我们还解决了关键的错误。 --- # 2024年1月29日 ## 新功能 * **Dropbox集成**：您现在可以在我们的平台上直接索引、重新索引、列出并提交Dropbox文件。 * **Dropbox在入门步骤中**：Dropbox集成现在是入门步骤的一部分，使设置更加容易。 ## 改进 * **文档大小限制**：我们为每位用户限制了总文档大小为1GB，以确保优化性能。 * **改进的搜索体验**：搜索界面已进行优化，以提供更好的用户体验。 ## 错误修复 * 修复了处理空文档的问题，以实现更顺畅的操作。 * 解决了处理 Slack 附件时的错误，以实现无缝集成。 * 将“注册”按钮正确链接到“注册”页面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此更新带来了先进的备忘录集成，改进了 Dropbox 和 Google Drive 的同步功能，并进行了关键的错误修复，以增强用户体验和系统可靠性。 --- # 2024年4月26日 ## 新特性 * **公共应用的搜索功能:** 在公共应用页面添加了一个新的搜索功能，使用户能够更高效地找到应用程序。 ## 改进 * **已连接应用的布局更新：** “您的已连接应用”页面的布局已更新，以提供更好的用户体验和导航。 * **常识卡片更新：** 提炼备忘页面中的常识卡片现在显示大小而不是文档数量，提供更清晰的存储使用信息。 * **Dropbox和Google Drive的自动同步功能增强：** Dropbox和Google Drive的自动同步功能已增强，提供更流畅、更可靠的同步体验。 * **公共应用页面的分页：** 我们在公共应用页面上实现了分页，改善了导航和加载时间，以提供更好的用户体验。 * **常识卡片中备忘内容的更新精炼按钮：** 常识卡片备忘内容中的精炼按钮已更新，增强了可用性和清晰度。 ## 错误修复 * **子文件索引问题：** 修复了一个错误，即在首次连接集成时，所选文件夹中的子文件未正确索引，从而确保全面的文件管理。 * **搜索失败时的注销问题：** 解决了一个问题，即搜索不存在的纪念品失败时强制用户注销，改善了错误处理和用户保留。 * **个人资料编辑验证：** 解决了个人资料编辑页面上的验证问题，确保信息被准确捕获和处理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此次发布专注于改善数据索引、使用跟踪、性能和用户体验的增强。 --- # 2024年9月13日 ### 改进 - **改进的使用追踪**：新的逻辑提供了更准确的存储和使用限制监控。 - **增强的性能**：Memento 操作现已优化以提高响应速度。 - **增强的错误显示**：当文档索引失败时，知识页面上的错误消息更清晰，使识别问题变得更容易。 - **简化的数据源连接**：连接后，数据源面板现在会自动打开，简化了设置过程。 - **改进的默认设置**：默认用户设置已更新，以提高性能和准确性。 ### 新功能 - **批量文档删除**：您现在可以一次删除多个文档，从而简化数据管理。 - **自动重新索引**：在需要时，集合会自动重新索引，确保搜索结果是最新的。 ### 错误修复 - **修复索引错误**：解决了数据索引的问题，以提高搜索的可靠性。 - **减少通知垃圾邮件**：修复了导致与文档成员资格相关的过多通知的问题。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我们的新向量数据库服务，以更高效地处理数据，同时增强系统稳定性，并修复了关键错误，以改善您的整体体验。 --- # 2024年10月11日 ### 新功能 - **向量数据库服务**：推出了一项新的向量数据库服务，以实现更高效的数据存储和更快的信息检索。 ### 改进 - **增强系统稳定性**：改进后端流程以防止竞争条件，确保文档处理更加顺畅。 - **优化连接管理**：实施更好的连接处理以提高性能和可靠性。 ### 错误修复 - **修复会员合并问题**：解决了在向量存储中合并会员数据时导致错误的问题。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此次发布为文档搜索、备忘录组织和集成管理带来了令人兴奋的改进。我们通过更流畅的导航和更高效的数据处理提升了用户体验。 --- # 2024年7月12日 ### 新功能 * **文档搜索**: 享受强大的新搜索功能，帮助您快速轻松地在文档中找到所需信息。 * **新的纪念树结构**: 体验我们直观的树结构，为您的纪念品组织提供新方式，使导航和管理信息变得更容易。 * **纪念品自动同步**: 通过我们新的纪念品自动同步功能，轻松保持您的数据最新。 ### 改进 * **增强的纪念品组织**：我们精简了纪念品侧边栏，以提供更清晰的文档和文件夹视图，使导航变得轻而易举。 * **集成管理**：通过新的下拉功能，轻松过滤和管理您的集成，让您对连接的服务拥有更多控制权。 * **更快的文档搜索**：我们新的防抖搜索功能在您输入时提供更快、更灵敏的结果。 * **首页和知识页面更新**：我们重新组织了关键页面上的集成布局，以改善可访问性和用户体验。 ### 错误修复 * **提高集成可靠性**：我们增强了系统，以更好地处理来自连接服务的信息，确保在使用集成时获得更顺畅的体验。 * **更清晰的用户界面**：我们已删除知识页面上不必要的警告信息，以实现更简洁的外观。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增强了用户个人资料管理，改善了 Slack 和 Dropbox 集成，引入了账户删除功能，并解决了关键的 操作问题。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您现在可以直接在我们的平台上获取来自Dropbox的共享文件/文件夹。 * **账户删除**：如有必要，用户现在可以选择删除其账户。 * **Slack同步**：我们已经启动了与Slack的同步，以实现更好的集成，尽管Slack线程同步尚未包括在内。 * **用户档案**：用户现在可以更有效地更新他们的档案信息。 ## 改进 * **Slack 频道**：为了便于导航，Slack 频道现在按名称排序。 ## 错误修复 * 解决了应用目录中无效来源的问题。 * 解决了与 OpenAI GPT 相关的错误，以改善 API 调用。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此更新增强了安全性，优化了接口，并解决了关键错误， 具有新的 API 限制、更新的密钥和 MacOS 应用程序。 --- # 2024年4月19日 ## 新特性 * **MacOS桌面应用程序：** 为MacOS用户推出专用桌面应用程序，提高可访问性和用户体验。 \ 查看文档：[Rememberizer桌面代理应用程序](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改进 * **应用目录用户界面更新：** 应用目录的新布局提供了更直观和用户友好的导航体验。 ## 错误修复 * **搜索文档换行处理：** 修复了在搜索文档查询中换行符和回车字符被错误移除的问题。 * **搜索用户界面显示错误：** 修正了搜索用户界面中的一个错误，以确保每个文档在搜索结果中准确显示 `创建于` 字段。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增强了导航，改善了文档处理，并更新了应用程序名称。主要更新包括限制主页应用程序，更好的 Slack 文档处理，以及重命名桌面应用程序。 --- # 2024年6月28日 ## 改进 * **限制主页上的应用程序数量：** 我们限制了主页上显示的应用程序数量，以便用户更容易导航和找到所需内容。 * **后处理Slack文档：** 增强了对Slack文档的处理，以确保更顺畅和更准确的处理。 * **更新桌面应用程序名称：** 桌面应用程序已更名为“Rememberizer App”，以便更清晰和保持品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本带来了改进的同步、增强的数据加密以及多个错误修复，以提供更顺畅的用户体验。 --- # 2024年3月25日 ## 改进 * **备忘录增强：** 添加了一个功能，以显示额外的备忘录信息并显示索引进度，使用户更容易跟踪其数据的状态。 ## 错误修复 * **UI 响应性：** 解决了断开连接按钮的多次点击问题，以防止 UI 错误。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 集成功能，允许用户连接他们的帐户并选择标签用于知识库，以及一个新的记忆功能以增强搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer Memory** 允许应用程序在用户的 Rememberizer 账户中保存和共享数据，为来自多个应用程序的重要信息提供集中位置。\ \ **好处** * **对用户：** 可以轻松访问所有应用程序的数据，各应用程序之间无缝同步，即使应用程序被卸载仍然可以持续存储。 * **对开发者：** 无需创建自定义数据存储系统，可以利用其他应用程序的数据，简化跨应用程序集成。 内存文档：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 内存 API 文档：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 集成：** 用户现在可以连接他们的 Gmail 账户并选择特定标签以添加到他们的知识库中。 * **Google Drive 共享驱动支持：** 我们已经添加了对 Google Drive 共享驱动的支持，允许用户在他们的知识库中包含来自共享驱动的文档。 ## 改进 * **文档索引：** 我们增强了文档索引过程，确保新文档能够成功上传和索引。如果索引失败，已经实现了重试机制。 * **应用发布流程：** 应用发布流程中的审核步骤已被移除，简化了开发者的流程。 * **连接的应用 UI：** “您的连接应用” UI 已得到增强，以应对没有连接应用的情况，改善用户体验。 ## 错误修复 * **重命名应用程序：** 解决了重命名应用程序时导致错误的问题。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如“探索应用程序”页面和改进的文档管理，以及关键的优化和错误修复，以提供更流畅的用户体验。 --- # 2024年1月22日 ## 新功能 * **探索应用页面**：您现在可以直接从专用页面探索不同的应用。 * **配额控制**：现已推出新功能以在选择文件时控制配额大小，以确保更好的文件管理。 ## 改进 * **改进的文档搜索**：我们增强了搜索功能以返回文档的数量，使管理和导航您的文件更加容易。 * **改进的入职流程**：在入职步骤中添加了'跳过'按钮，使入职过程更具灵活性。 ## 错误修复 * 解决了处理复杂 PDF 文件的问题，以提高可读性和访问性。 * 解决了与 Slack 速率限制相关的问题，以实现无缝集成。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增强了 SQL 查询，优化了用户界面，并修复了错误。主要更新：优化搜索、自动生成名称、新的纪念按钮和改进的导航。 --- # 2024年5月31日 ## 新功能 * **新纪念按钮:** 我们添加了一个新按钮，以便在授权应用程序时创建纪念品，使过程更加用户友好。 ## 改进 * **优化搜索：** 增强了搜索功能，提供更快速和更准确的结果。 * **授权应用时调整 UI：** 在授权应用时对用户界面进行了小幅调整，以提供更流畅的体验。 ## 错误修复 * **修复缩进问题：** 修复了缩进问题，以确保应用程序中的格式一致。 ==> notices/b2b/README.md <== --- description: 供Skydeck AI Inc与之互动的其他企业受益的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: 记忆者代理 --- # 关于 Reddit 代理 一个 Rememberizer 代理从选定的 Sub-Reddits 中检索 Reddit 内容，以便用户和创作者可以查询其内容及其他参与者内容的潜在语义意义，从而使用他们自己的 AI 工具以及通过 Rememberizer 授权的其他工具与这些内容进行互动。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 为什么 Rememberizer 不仅仅是一个数据库或关键字搜索引擎。 --- # 什么是向量嵌入和向量数据库？ Rememberizer 使用向量嵌入在向量数据库中实现用户知识源的语义相似性搜索。这是一种比通过搜索引擎或数据库简单地查找内容中的关键词更为先进和细致的信息检索形式。
多维空间

多维空间

在其最先进的形式中（如 Rememberizer 所使用的），向量嵌入是由具有类似于 OpenAI 的 gpt 模型和 ChatGPT 服务的 AI LLM（大型语言模型）架构的语言模型创建的，以及来自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服务。因此，使用向量嵌入来发现相关知识以包含在 AI 模型提示的上下文中是自然而然的。这些技术是互补的，某种程度上是等价的。因此，大多数提供 LLM 作为服务的供应商也会提供向量嵌入作为服务（例如：[来自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [来自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入是什么样子的？考虑二维中的一个坐标 (x,y)。如果它表示从原点到这个点的线，我们可以将其视为一条具有方向的线，换句话说，是一个 _二维向量_。在我们的上下文中，向量嵌入将是一个类似于 768 个数字的列表，表示一个 768 维空间中的向量。最终，这个数字列表可以表示在 Transformer 模型中介于零和一之间的权重，这些权重定义了短语的含义，例如“晴天霹雳”。这在根本上是 GPT-4 中使用的相同基础意义表示。因此，我们可以期待一个好的向量嵌入能够实现我们在现代 AI 语言模型中看到的同样出色的表面理解。 \ 值得注意的是，向量嵌入不仅可以用来表示文本，还可以表示其他类型的数据，例如图像或声音。通过适当训练的模型，可以跨媒体进行比较，因此文本块上的向量嵌入可以与图像进行比较，或 _反之亦然_。今天，Rememberizer 仅支持在用户文档和知识的文本组件中进行搜索。但文本到图像和图像到文本的搜索在规划中。\ \ Google 使用向量嵌入来驱动他们的文本搜索（文本到文本）以及他们的图像搜索（文本到图像）（[参考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考虑在其社交网络搜索中使用嵌入（[参考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入来理解上下文，以便在正确的时间向正确的用户提供合适的广告（[参考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量数据库的工作原理，请从 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 开始。Pinecone（作为服务的向量嵌入数据库）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一个理解向量中的搜索和知识的优秀来源是 Meta/Facebook 关于 FAISS 库的论文和代码。“FAISS: A Library for Efficient Similarity Search and Clustering of Dense Vectors” 由 Johnson、Douze 和 Jégou（2017）撰写：FAISS 提供了一个全面的概述，介绍了一个旨在高效相似性搜索和密集向量聚类的库。它讨论了在大规模向量数据库中优化索引和搜索过程的方法，包括基于产品量化的方法。了解更多信息的最佳地方是文档以及 [Github 上的代码](https://github.com/facebookresearch/faiss)。 \ 一定要考虑 2017 年 6 月的论文，这篇论文开启了生成 AI（生成性人工智能）革命，“Attention Is All You Need。”（[参考](https://arxiv.org/abs/1706.03762)），它介绍了 GPT 模型及其后续的所有 LLM 背后的 Transformer 架构，包括 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和许多其他开源项目。\ 还要考虑“近似最近邻：消除维度诅咒的方向”（[参考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[参考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。这些论文讨论了高维空间中近似最近邻（ANN）搜索的理论，这是向量数据库中高效检索相似项的核心概念。 {% hint style="info" %} 关于这些基于 Transformer 的模型，有一件令人兴奋的事情是，它们使用的数据越多，模型越大（参数越多），它们的理解和能力就越好。OpenAI 首次注意到这一点是在他们训练 GPT-2 模型时。意识到这一潜力后，他们立即停止了以开源为导向的非营利组织的运作，转而成为一家专注于生产 GPT-3、GPT-4 及其著名前端 ChatGPT 的闭源盈利公司。有趣的是，Google 拥有这项技术的专利——正是他们的研究人员开发了 Transformers 和 Attention Is All You Need（[参考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 对我的描述略有不同，写道：“关于 OpenAI 从一个以开源为导向的非营利组织转变为一个闭源盈利实体的叙述简化了一个复杂的演变。OpenAI 的转变包括在商业化方面的同时，专注于安全和负责任的 AI 开发。值得注意的是，尽管 OpenAI 优先开发像 GPT-3 及其后续版本这样的专有技术，但它仍通过出版物和合作与研究社区保持互动。” {% endhint %} BERT 语言模型基于 Transformers，通常用于先进的向量嵌入引擎。这在 2018 年的论文“BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”（[参考](https://arxiv.org/abs/1810.04805)）中介绍。BERT（来自 Transformers 的双向编码器表示）标志着向预训练模型的重大转变，这些模型可以针对广泛的 NLP 任务进行微调。其创新的双向训练和 Transformer 架构的使用为众多基准设定了新的模型性能标准。\ \ 早期创建向量嵌入的创新方法由 GloVe（2014，斯坦福大学）、Word2Vec（2013，谷歌）提出。“GloVe: Global Vectors for Word Representation”（[参考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）论文提出了一种新的全局对数双线性回归模型，用于无监督学习词表示，结合了嵌入的两种主要方法的优点：全局矩阵分解和局部上下文窗口方法。“Efficient Estimation of Word Representations in Vector Space”（[参考](https://arxiv.org/abs/1301.3781)）：这篇论文介绍了 Word2Vec，这是一种开创性的生成词嵌入的方法。Word2Vec 模型，包括连续词袋（CBOW）和 Skip-Gram 模型，在词嵌入的发展中起着关键作用。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您将学习如何创建一个 Rememberizer 应用程序并连接 OpenAI GPT，使 GPT 能够访问 Rememberizer API 功能。 --- # 创建记忆化器GPT ### 前提条件 首先，您需要[注册一个 Rememberizer 应用](registering-rememberizer-apps.md)并使用适当的设置进行配置。 要创建一个 GPT，您需要将 Rememberizer 应用的授权请求来源设置为`https://chat.openai.com`。 > 您需要添加一个回调 URL 来注册应用，但您只能在为您的 GPT 添加操作后找到回调 URL，暂时可以将其留作虚拟值（例如 https://chat.openai.com）。在获得回调 URL 后，您需要为应用更新正确的 URL。\ > \ > **注意：** GPT 在您更改其配置后会更新其回调 URL。请确保复制最新的回调 URL。 创建应用后，复制 **客户端 ID** 和 **客户端密钥**。我们将在创建 GPT 时使用它们。有关如何获取这些信息的说明，请访问[授权 Rememberizer 应用](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 创建一个 GPT 您可以通过 [在 ChatGPT UI 中创建一个 GPT](https://chat.openai.com/gpts/editor) 开始。 {% hint style="warning" %} 注意：创建自定义 GPT 应用仅适用于付费计划账户。 {% endhint %} #### GPT 配置 您可以根据自己的需要填写信息。以下是您可以尝试的示例：
字段示例值
名称RememberizerGPT
描述直接与您在 Google Drive 和 Slack 频道上的所有 PDF、文档、表格、幻灯片对话。
说明Rememberizer 旨在与 Rememberizer 工具无缝互动，使用户能够高效地从多个来源（如 Google Drive 和 Slack）查询他们的数据。主要目标是提供快速准确的用户数据访问，利用 Rememberizer 的能力来优化搜索速度和精确度。GPT 应指导用户制定查询并解释结果，确保流畅且用户友好的体验。在处理数据检索和分析时，保持回答的清晰和准确至关重要。GPT 应能够处理广泛的查询，从简单的数据查找到涉及多个参数或来源的更复杂搜索。重点是增强用户快速有效地访问所需信息的能力，使过程尽可能轻松。
#### 创建 Rememberizer 操作 从 GPT 编辑器： 1. 选择“配置” 2. “添加操作” 3. 配置身份验证类型。 * 将身份验证类型设置为 **OAuth**。 * 粘贴上面步骤中的 **客户端 ID** 和 **客户端密钥**。 * 授权 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 将 **范围** 留空。 * 点击 **保存**。
gpt auth type config
4. 填写 Rememberizer 的 OpenAPI 规范。复制下面可展开的内容并粘贴到 **模式** 字段中：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 与 Rememberizer 交互的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 检索当前用户的帐户详细信息。 description: 获取帐户信息 operationId: account responses: "200": description: 用户帐户信息。 content: application/json: schema: type: object properties: id: type: integer description: 用户的唯一标识符。请勿在任何地方显示此信息。 email: type: string format: email description: 用户的电子邮件地址。 name: type: string description: 用户的姓名。 /integrations/: get: summary: 列出所有可用的数据源集成。 description: 此操作检索可用的数据源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用数据源的列表 items: type: object properties: id: type: integer description: 数据源的唯一标识符。请勿在任何地方显示此信息。 integration_type: type: string description: 数据源的类型。 integration_step: type: string description: 集成的步骤。 source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_type: type: string description: 文档的类型。 document_stats: type: object properties: status: type: object description: 数据源的状态。 properties: indexed: type: integer description: 已索引文档的数量。 indexing: type: integer description: 正在索引的文档数量。 error: type: integer description: 具有错误的文档数量。 total_size: type: integer description: 数据源的总大小（以字节为单位）。 document_count: type: integer description: 数据源中的文档数量。 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 /documents/: get: summary: 检索所有文档和 Slack 频道的列表。 description: 使用此操作检索有关所有可用文档、文件、Slack 频道和数据源中的常识的元数据。您应该指定 integration_type 或将其留空以列出所有内容。 operationId: documents_list parameters: - in: query name: page description: 页索引 schema: type: integer - in: query name: page_size description: 每页返回的最大文档数量 schema: type: integer - in: query name: integration_type description: 按集成类型过滤文档。 schema: type: string enum: - google_drive - slack - dropbox - gmail - common_knowledge responses: "200": description: 操作成功 content: application/json: schema: type: object properties: count: type: integer description: 文档的总数。 next: type: string nullable: true description: 下一页结果的 URL。 previous: type: string nullable: true description: 上一页结果的 URL。 results: type: array description: 文档、Slack 频道、常识等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文档的唯一标识符。请勿在任何地方显示此信息。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 id: type: integer description: 文档的唯一标识符。 integration_type: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 source: type: string description: 文档的来源。 status: type: string description: 文档的状态。 indexed_on: type: string format: date-time description: 文档被索引的日期和时间。 size: type: integer description: 文档的大小（以字节为单位）。 /documents/search/: get: summary: 按语义相似性搜索文档。 description: 使用最多 400 个单词的查询文本启动搜索操作，并从存储的知识中接收最语义相似的响应。对于问答，将您的问题转换为理想答案并提交，以接收类似的真实答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到语义相似知识块的最多 400 个单词的句子。 schema: type: string - name: n in: query description: 要返回的语义相似文本块的数量。使用 'n=3' 获取最多 5 个，使用 'n=10' 获取更多信息。如果您没有收到足够的信息，请考虑使用更大的 'n' 值重新尝试。 schema: type: integer responses: "200": description: 成功检索文档 content: application/json: schema: type: object properties: data: type: array description: 语义相似知识块的列表 items: type: object properties: chunk_id: type: string description: 块的唯一标识符。 document: type: object description: 文档详细信息。 properties: id: type: integer description: 文档的唯一标识符。 document_id: type: string description: 文档的唯一标识符。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 size: type: string description: 文档的大小。 created_time: type: string description: 文档创建的日期和时间。 modified_time: type: string description: 文档最后修改的日期和时间。 integration: type: object description: 文档的集成详细信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 数据源的总大小（以字节为单位） document_count: type: integer matched_content: type: string description: 语义相似的内容。 distance: type: number description: 余弦相似度 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 nullable: true "400": description: 错误请求 "401": description: 未授权 "404": description: 未找到 "500": description: 内部服务器错误 /documents/{document_id}/contents/: get: summary: 按 ID 检索特定文档内容。 operationId: document_get_content description: 返回具有指定 ID 的文档的内容，以及最新检索块的索引。每次调用最多获取 20 个块。要获取更多，请使用响应中的 end_chunk 值作为下一次调用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要检索内容的文档 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望检索的起始块。如果未指定，默认值为 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望检索的结束块。如果未指定，默认值为 start_chunk + 20。 responses: "200": description: 文档的内容和最新检索块的索引。 content: application/json: schema: type: object properties: content: type: string description: 文档的内容。 end_chunk: type: integer description: 最新检索块的索引。 "404": description: 文档未找到。 "500": description: 内部服务器错误。 /common-knowledge/subscribed-list/: get: description: 此操作检索用户订阅的共享知识（也称为常识）列表。每个共享知识包括用户可以访问的文档 ID 列表。 operationId: common_knowledge_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: array items: type: object properties: id: type: integer description: 这是共享知识的唯一标识符。请勿在任何地方显示此信息。 num_of_subscribers: type: integer description: 这表示订阅此共享知识的用户数量 publisher_name: type: string published_by_me: type: boolean description: 这表示共享知识是否由当前用户发布 subscribed_by_me: type: boolean description: 这表示共享知识是否由当前用户订阅，在此 API 中应为 true created: type: string description: 这是共享知识创建的时间 modified: type: string description: 这是共享知识最后修改的时间 name: type: string description: 这是共享知识的名称 image_url: type: string description: 这是共享知识的图像 URL description: type: string description: 这是共享知识的描述 memento: type: integer description: 这是创建共享知识的 Rememberizer 备忘录的 ID。 document_ids: type: array items: type: integer description: 这是属于共享知识的文档 ID 列表 /documents/memorize/: post: description: 将内容存储到数据库中，稍后可以通过搜索端点访问。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 内容存储成功 "400": description: 错误请求 "401": description: 未授权 "500": description: 内部服务器错误 /discussions/{discussion_id}/contents/: get: summary: 按 ID 检索讨论的内容。讨论可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的讨论的内容。讨论可以是 Slack 或 Discord 聊天。响应包含 2 个字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而后者是讨论的线程。 parameters: - in: path name: discussion_id required: true description: 要检索内容的讨论 ID。讨论是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示讨论的集成。目前，它只能是“slack”或“discord”。 - in: query name: from schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的起始时间。如果未指定，默认时间为现在。 - in: query name: to schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的结束时间。如果未指定，则为“from”参数之前的 7 天。 responses: "200": description: 在时间范围内的主要和线程消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要讨论的内容。 thread_contents: type: object description: 包含讨论线程的字典列表，每个键表示线程的日期和时间（以 ISO 8601 格式），值是线程的消息。 "404": description: 讨论未找到。 "500": description: 内部服务器错误。 ||CODE_BLOCK||
5. 将此链接添加为隐私政策: `https://docs.rememberizer.ai/notices/privacy-policy`。 6. 创建操作后，复制回调 URL 并将其粘贴到您的 Rememberizer 应用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您将学习如何在 Rememberizer 中创建常识并获取其 API 密钥，以通过 API 调用连接和检索其文档。 --- # 注册和使用 API 密钥 ### 前提条件 首先，您需要使用您的索引知识文件创建并完善[一个备忘录](../personal/mementos-filter-access.md)。 ### 创建共享知识 要创建共享知识，请登录您的 Rememberizer 账户并访问 [您的共享知识页面](https://rememberizer.ai/personal/common-knowledge)。选择 **"您的共享知识"**，然后点击 **"开始"**。
common knowledge page
然后选择您之前创建的其中一个纪念品，您也可以选择 **"全部"** 或 **"无"**。
create common knowledge 1
最后填写共享知识的名称、描述，并为其提供一张代表性的照片。
create common knowledge 2
填写完表单后，点击底部的 "分享知识" 以创建您的共享知识。之后，打开您的知识中的 **"启用共享"**，并在弹出窗口中点击 **"确认"**。
common knowledge sharing
您现在可以获取其 API 密钥并通过 API 调用访问其文档。 ### 获取您创建的公共知识的 API 密钥 对于您的公共知识，请点击右上角的三个点，然后选择“API 密钥”。如果还没有密钥，将为您创建一个。如果 API 密钥存在，将返回该密钥。
knowledge open API key
在 **“管理您的 API 密钥”** 面板中，您可以点击 **“眼睛”** 按钮来显示/隐藏，点击 **“复制”** 按钮将密钥复制到剪贴板，以及点击 **“重新生成 API 密钥”** 来使旧密钥失效并创建一个新密钥（通过 API 调用访问您文档的应用程序在您更新新密钥之前将无法访问）。
copy api key
获取 API 密钥后，您可以在对 Rememberizer 的 API 调用中使用它，以查询您索引的文档和内容。 ### 使用 API 密钥 要访问 Rememberizer 端点，您需要在 API 请求的 `X-API-Key` 头中使用 API 密钥。请查看 [API 文档](api-documentations/) 以查看 Rememberizer 提供的端点。 您还可以在自定义 GPT 应用中使用 API 密钥。首先通过 [在 ChatGPT UI 中创建 GPT](https://chat.openai.com/gpts/editor)。确保将身份验证类型选择为“API 密钥”，身份验证类型选择为“自定义”，并将头部设置为“X-Api-Key”，然后将您之前复制的密钥粘贴到 API 密钥文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帐户下创建和注册 Rememberizer 应用。Rememberizer 应用可以代表用户进行操作。 --- # 注册 Rememberizer 应用 1. 在任何页面的左上角，点击 **开发者**，然后点击 **注册应用**。
registered apps browse
2. 点击 **注册新应用**。将出现一个弹出窗口以填写您的应用信息。
register new app
3. 在 **"应用名称"** 中，输入您的应用名称。 4. 在 **"描述（可选）"** 中，如果需要，请填写您的应用描述。 5. 在 **"应用标志（可选）"** 中，如果有，请上传您的应用标志。 6. 在 **"登录页面 URL"** 中，输入您的登录页面的域名。您的登录页面包含有关您的应用程序的详细摘要，以及它如何与 Rememberizer 集成。 7. 在 **"授权请求来源"** 中，输入您应用网站的域名。 8. 在 **"授权重定向 URL"** 中，输入您应用的回调 URL。 9. 点击 **"创建应用"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以将 Rememberizer 集成作为 LangChain 检索器，为您的 LangChain 应用程序提供强大的向量数据库搜索访问。 --- # LangChain 集成 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 本笔记本展示了如何从 `Rememberizer` 中检索文档，该文档格式在下游使用。 ## 准备 您需要一个 API 密钥：您可以在创建公共知识后获得一个。有关如何创建公共知识的详细说明，请访问 [注册和使用 API 密钥](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您拥有 API 密钥，您必须将其设置为环境变量 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 时将其作为 `rememberizer_api_key` 传递。 `RememberizerRetriever` 有以下参数： \- 可选的 `top_k_results`：默认值为 10。用于限制返回文档的数量。 \- 可选的 `rememberizer_api_key`：如果您没有设置环境变量 `REMEMBERIZER_API_KEY`，则为必需。 `get_relevant_documents()` 有一个参数，`query`：用于在 `Rememberizer.ai` 的公共知识中查找文档的自由文本。 ## 示例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||代码块|| # 设置 API 密钥 from getpass import getpass REMEMBERIZER_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| import os from langchain_community.retrievers import RememberizerRetriever os.environ["REMEMBERIZER_API_KEY"] = REMEMBERIZER_API_KEY retriever = RememberizerRetriever(top_k_results=5) ||CODE_BLOCK|| ||CODE_BLOCK|| docs = retriever.get_relevant_documents(query="大型语言模型是如何工作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文档的元信息 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'url': 'https://drive.google.com/file/d/17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP/view', 'size': 337089, 'created_time': '', 'modified_time': '', 'indexed_on': '2024-04-04T03:36:28.886170Z', 'integration': {'id': 347, 'integration_type': 'google_drive'}} ||CODE_BLOCK|| ||CODE_BLOCK|| print(docs[0].page_content[:400]) # 文档的内容 ||CODE_BLOCK|| ||CODE_BLOCK|| 之前，或者以新的方式进行上下文化。在某种程度上，它们“理解”语义，因为它们可以通过意义将单词和概念关联起来，已经看到了它们以这种方式成组在一起数百万或数十亿次。开发人员如何能够快速开始构建自己的 LLM，以构建 LLM 应用程序，开发人员需要轻松访问多个数据集，并且他们需要这些数据集的存放地点 ||CODE_BLOCK|| ## 在链中的使用 ||CODE_BLOCK|| OPENAI_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY ||CODE_BLOCK|| ||CODE_BLOCK|| from langchain.chains import ConversationalRetrievalChain from langchain_openai import ChatOpenAI model = ChatOpenAI(model_name="gpt-3.5-turbo") qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever) ||CODE_BLOCK|| ||CODE_BLOCK|| questions = [ "什么是RAG？", "大型语言模型是如何工作的？", ] chat_history = [] for question in questions: result = qa.invoke({"question": question, "chat_history": chat_history}) chat_history.append((question, result["answer"])) print(f"-> **问题**: {question} \n") print(f"**回答**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **问题**: 什么是RAG？ **回答**: RAG代表检索增强生成。它是一个AI框架，从外部知识库中检索事实，以通过提供最新和准确的信息来增强大型语言模型（LLMs）生成的响应。该框架帮助用户理解LLMs的生成过程，并确保模型可以访问可靠的信息来源。 -> **问题**: 大型语言模型是如何工作的？ **回答**: 大型语言模型（LLMs）通过分析大量语言数据集来理解和生成自然语言文本。它们基于机器学习，特别是深度学习，涉及训练程序在没有人工干预的情况下识别数据特征。LLMs使用神经网络，特别是变换器模型，来理解人类语言中的上下文，使它们在模糊或新上下文中更好地解释语言。开发人员可以通过访问多个数据集和使用Cloudflare的Vectorize和Cloudflare Workers AI平台等服务，快速开始构建自己的LLMs。 ||CODE_BLOCK|| ### 相关[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 检索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 检索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **通过提供反馈来帮助我们改进此文档页面：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 创建一个简单的 web 应用程序，将 LLM 与用户知识通过对 Rememberizer 的查询集成是非常简单的。 --- # Talk-to-Slack 示例网页应用 应用的源代码可以在 [这里](https://github.com/skydeckai/rememberizer) 找到。 在本节中，我们将提供逐步说明和完整的源代码，以便您可以快速创建自己的应用程序。 我们在 OpenAI 上创建了一个 Talk-to-Slack GPT。Talk-to-Slack 网页应用非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 网页应用

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 网页应用

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 介绍 在这个指南中，我们提供了分步说明和完整的源代码，以帮助您创建自己的类似于我们与Rememberizer.ai的Talk-to-Slack GPT整合的应用程序。与Slack整合不同，一个网页应用程序提供更多的特性和控制，如网页抓取，本地数据库访问，图形和动画，以及收集支付。此外，它可以被任何人使用，而无需拥有高级genAI账户。 ### 概述 我们的示例应用程序，“Talk to Slack”，托管在Heroku上，并整合了OpenAI的LLM和Rememberizer.ai，以增强您的Slack体验。该网络应用程序使用Flask构建，并提供了如OAuth2集成、访问Slack数据和直观用户界面等功能。 ### 特性 * **基于Flask的架构**：由Flask处理后端操作，前端通信和API交互。 * **OAuth2集成**：通过Rememberizer的OAuth2流程进行安全授权和数据访问。 * **Slack数据访问**：使用Rememberizer的API安全地获取用户连接的Slack数据。 * **OpenAI LLM集成**：通过OpenAI的LLM服务处理查询，以获得有洞察力的回应。 * **直观的用户界面**：通过现代UI设计进行简单的导航和交互。 * **最佳实践**：遵守安全和用户体验标准，以实现无缝集成。 ### 设置和部署 #### 前提条件 * Python * Flask {% hint style="info" %} 请注意，让一个 LLM 将整个应用程序用另一种语言重写并不是很困难，在我们的例子中是 Golang。因此，请记住，您并不局限于 Python。 {% endhint %} #### 环境配置 设置以下环境变量： * `APP_SECRET_KEY`：Flask的唯一密钥。 * `REMEMBERIZER_CLIENT_ID`：您的Rememberizer应用的客户端ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的Rememberizer应用的客户端密钥。 * `OPENAI_API_KEY`：您的OpenAI API密钥。 #### 运行应用程序 1. **启动 Flask 应用**：在终端中运行 `flask run`，并通过 `http://localhost:5000` 访问应用。 2. **将回调 URL 复制到您的 Rememberizer 应用配置中**：`https:///auth/rememberizer/callback` 示例：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到云端 建议部署到 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **创建 Heroku 账户**：安装 Heroku CLI。 2. **准备您的应用程序**：确保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成进行部署。 **详细步骤** * **将 Heroku 连接到 GitHub**：启用来自 GitHub 仓库的自动部署，以实现无缝更新。 * **手动部署**：可选择使用手动部署以获得更多控制。 **其他设置** * 安装 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 证书：使用自签名证书进行初始 HTTPS 设置。 * 在 Heroku 上配置环境变量：使用 `heroku config:set KEY=value` 设置必要的密钥。 **其他云平台** * **GCP**：设置 GCP 账户，使用 `app.yaml` 准备您的应用，并使用 `gcloud app deploy` 进行部署。 * **AWS**：在设置 AWS 账户和 AWS CLI 后，使用 Elastic Beanstalk 进行部署。 * **Azure**：在创建 Azure 账户并安装 Azure CLI 后，通过 Azure App Service 进行部署。 #### 安全性和最佳实践 在部署之前，请验证您的 `requirements.txt`，调整生产环境的配置，并更新 OAuth 重定向 URI。 ### 应用代码说明 **@app.route('/') (首页路由):** 当访问根 URL (/) 时，此路由渲染 index.html 模板。它作为您应用程序的主页。 **@app.route('/auth/rememberizer') (Rememberizer 认证路由):** 此路由启动与 Rememberizer.ai 的 OAuth2 认证过程。它生成一个随机状态值，将其存储在会话中，构建包含必要参数（客户端 ID、重定向 URI、范围和状态）的授权 URL，并将用户重定向到 Rememberizer.ai 的授权页面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回调路由):** 此路由处理用户授权您的应用程序后来自 Rememberizer.ai 的回调。它从查询参数中提取授权码，使用 Rememberizer.ai 的令牌端点将其兑换为访问令牌，并将访问令牌存储在会话中。然后，它将用户重定向到 /dashboard 路由。 **@app.route('/dashboard') (仪表板路由):** 此路由向用户显示仪表板页面。它检查用户的会话中是否有访问令牌；如果没有，它将用户重定向到认证路由。如果用户已认证，它会向 Rememberizer.ai 的账户端点发出请求以检索账户信息，并使用这些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 集成信息路由):** 此路由显示用户与 Rememberizer.ai 的 Slack 集成信息。它检查访问令牌，并向 Rememberizer.ai 的集成端点发出请求以获取集成数据。然后，它使用这些数据渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提问路由):** 此路由处理用户提交的问题。它检查访问令牌，从表单数据中检索用户的问题，并向 Rememberizer.ai 的文档搜索端点发出请求以查找相关信息。然后，它使用 OpenAI 的 GPT-4 模型根据问题和搜索结果生成答案。答案在 answer.html 模板中渲染。 ### 附加说明 * **图标设计**：使用详细的折纸艺术风格设计，反映了AI和通信集成。我们的图标是在Midjourney和Image2Icon中创建的。 * **SSL 配置**：使用OpenSSL生成自签名证书以实现安全通信。 ### 探索与创新 我们鼓励您探索和创新自己的 AI 集成网页应用，旨在提升您平台内的生产力和协作。 *** 本修订文档为开发者提供了创建自己 AI 集成网页应用的全面指南，类似于 Talk-to-Slack。它包括设置、部署和应用代码概述的详细说明，以及最佳实践。 ==> developer/README.md <== # 开发者 ==> developer/vector-stores.md <== --- description: >- 本指南将帮助您了解如何作为开发者使用 Rememberizer 向量存储。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量存储 Rememberizer 向量存储简化了处理向量数据的过程，使您能够专注于文本输入，并利用向量的力量用于搜索和数据分析等各种应用。 ### 介绍 Rememberizer 向量存储旨在提供一个易于使用的接口来处理向量数据。与传统的向量数据库（如 Pinecone）不同，Rememberizer 向量存储允许您直接处理文本。该服务将处理文本数据的分块、向量化和存储，使您能够更专注于核心应用逻辑。 ### 开始使用 #### 创建向量存储 1. 在您的仪表板中导航到向量存储部分 2. 点击“创建新向量存储”： * 将出现一个表单，提示您输入详细信息。 3. 填写详细信息： * **名称**：为您的向量存储提供一个唯一的名称。 * **描述**：写一个简短的向量存储描述。 * **数据模式**：定义向量维度和任何附加字段。 * 您可以选择性地指定嵌入模型、索引策略和相似性度量。这些设置会影响向量的生成和比较，优化您特定用例的性能。 4. 提交表单： * 点击“创建”按钮。您将收到成功通知，新存储将出现在您的向量存储列表中。
创建一个新的向量存储

创建一个新的向量存储

#### 管理向量存储 1. 查看和编辑向量存储： * 访问管理仪表板以查看、编辑或删除向量存储。 2. 查看文档： * 浏览特定向量存储中的单个文档及其相关元数据。 3. 统计信息： * 查看详细统计信息，例如存储的向量数量、查询性能和操作指标。
查看向量存储的详细信息

查看向量存储的详细信息

### API 密钥管理 API 密钥用于验证和授权访问 Rememberizer 向量存储的 API 端点。正确管理 API 密钥对于维护您的向量存储的安全性和完整性至关重要。本节涵盖如何为您的向量存储创建和撤销 API 密钥。 #### 创建 API 密钥 1. 前往您的向量存储详细信息页面 2. 导航到 API 密钥管理部分： * 它可以在“配置”选项卡中找到 3. 点击 **“添加 API 密钥”**： * 将出现一个表单，提示您输入详细信息。 4. 填写详细信息： * **名称**：提供一个名称以帮助您识别其用例。 5. 提交表单： * 点击“创建”按钮。新的 API 密钥将被生成并显示。确保复制并安全存储。此密钥用于验证对该特定向量存储的请求。
创建新的 API 密钥

创建新的 API 密钥

#### 撤销 API 密钥 如果不再需要 API 密钥，可以删除它以防止任何潜在的滥用。 出于安全原因，您可能希望定期更换 API 密钥。这涉及生成一个新密钥并撤销旧密钥。 ### 使用 API 密钥检索向量存储信息 在创建新的向量存储并生成 API 密钥后，您可以将此密钥与需要访问向量存储的用户共享。API 密钥允许用户上传文档、搜索文档以及在向量存储中执行其他操作。然而，在用户可以与向量存储交互之前，他们需要使用 API 密钥检索向量存储的 ID 和其他相关信息。 有关每个 API 端点和响应的详细信息，请访问 [vector-store](api-documentations/vector-store/ "mention") 页面。 *** 确保安全处理 API 密钥，并遵循 API 密钥管理的最佳实践。 ==> developer/authorizing-rememberizer-apps.md <== # 授权 Rememberizer 应用 Rememberizer 的实现支持标准的 [授权码授权类型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授权用户使用您的应用的网页应用流程如下： 1. 用户被重定向到 Rememberizer 以授权他们的账户。 2. 用户选择要与您的应用一起使用的纪念品。 3. 您的应用使用用户的访问令牌访问 API。 访问 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 页面以查看该流程的 UI 示例。 ### 第一步。请求用户的 Rememberizer 身份 将用户重定向到 Rememberizer 授权服务器，以启动身份验证和授权过程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 参数：
名称描述
client_id必填
您应用程序的客户端 ID。您可以在开发者中找到此值。点击左上角的开发者。在注册应用程序列表中，点击您的应用程序，您将在应用凭据中看到客户端 ID。
response_type必填
必须为code以进行授权码授予。
scope

可选

一个以空格分隔的范围列表，标识您的应用程序可以代表用户访问的资源。

redirect_uri必填
用户在授权后将被发送到您应用程序中的 URL。
state

必填

客户端用于在请求和回调之间保持状态的不透明值。授权服务器在将用户代理重定向回客户端时包含此值。

### 步骤 2. 用户选择并配置他们的纪念品 用户将选择与您的应用一起使用的纪念品。 ### 第 3 步。用户通过 Rememberizer 被重定向回您的网站 在用户选择他们的纪念品后，Rememberizer 会将用户重定向回您的网站，并带有一个临时的 `code` 参数以及您在上一步中提供的 `state` 参数。临时代码将在短时间后过期。如果状态不匹配，则请求是由第三方创建的，您应该中止该过程。 ### 第4步. 交换授权码以获取刷新和访问令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端点接受以下输入参数。
名称描述
client_id必填
您应用程序的客户端ID。您可以在开发者中找到此值。查找此ID的说明在第1步中。
client_secret必填
您从Rememberizer获得的应用程序客户端密钥。
code您在第3步中收到的授权码。
redirect_uri必填
用户在授权后被发送到您应用程序中的URL。必须与第1步中的redirect_uri匹配。
### 第 5 步. 使用访问令牌访问 API 访问令牌允许您代表用户向 API 发出请求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以这样设置 Authorization 头： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 参考 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 获取 Slack 的内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/discussions/{discussion_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-documents.md <== # 检索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/README.md <== # API 文档 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 密钥](../registering-and-using-api-keys.md) 进行 API 身份验证。OAuth2 是一种标准授权框架，使应用程序能够安全地访问系统中的特定文档。另一方面，API 密钥提供了一种更简单的方法，从公共知识库中检索文档，而无需经过 OAuth2 身份验证过程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的数据源集成 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/integrations/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-current-users-account-details.md <== # 获取当前用户的账户详情 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/account/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/memorize-content-to-rememberizer.md <== # 将内容记住到 Rememberizer {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/memorize/" method="post" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/get-all-added-public-knowledge.md <== # 获取所有添加的公共知识 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/common_knowledge/subscribed-list/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/search-for-documents-by-semantic-similarity.md <== # 按语义相似性搜索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/search/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-document-contents.md <== # 获取文档内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/{document_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md <== # 获取向量存储中的文档列表 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/get-the-information-of-a-document.md <== # 获取文档的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/README.md <== # 向量存储 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 获取向量存储的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/me" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md <== # 根据语义相似性搜索向量存储文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi (1).yml" path="/vector-stores/{vector-store-id}/documents/search" method="get" %} [rememberizer_openapi (1).yml](<../../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md <== # 将新文本文档添加到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/create" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/remove-a-document-in-vector-store.md <== # 从向量存储中删除文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="delete" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md <== # 更新文件内容到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="patch" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/upload-files-to-a-vector-store.md <== # 将文件上传到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/upload" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ||CODE_BLOCK|| ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南将引导您将您的 Slack 工作区集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Slack 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能在这里看到所有可用的知识来源，包括 Slack。
您的知识，准备连接到 Slack

您的知识，准备连接到 Slack

3. 点击 Slack 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Slack 工作区。
Slack OAuth 屏幕

Slack OAuth 屏幕

> **注意：** 如果您看到一个警告，提示该应用程序未被 Slack 授权，那是因为 Rememberizer 旨在搜索 Slack 内容，而这违反了 [Slack 应用目录指南](https://api.slack.com/directory/guidelines)。 4. 点击 **"允许"** 将 Rememberizer Slack 应用安装到您的工作区。一旦您授予了必要的权限，您将被重定向回我们的平台，此时您应该看到您的 Slack 工作区已连接，并且侧边面板弹出。
A COMPANY 已被添加为知识来源

A-COMPANY 已被添加为知识来源

5. 现在您已连接，您需要指定我们的产品应该从哪些频道获取消息。从侧边面板中选择您想要的文件或文件夹。如果侧边面板未出现，请点击 **"选择"** 按钮以打开侧边面板。
选择要嵌入为知识的频道

选择要嵌入为知识的频道

6. 选择频道后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/manage-third-party-apps.md <== # 管理第三方应用 ## 探索第三方应用和服务 用户可以在 **应用目录** 页面查看和探索所有与 Rememberizer 连接的第三方应用，具体步骤如下。 * 在导航栏上，选择 **个人 > 查找应用**。然后，您将看到应用目录页面。
导航栏浏览应用目录页面

导航栏浏览应用目录页面

应用目录页面

应用目录页面

* 找到您想要探索的应用。您可以通过在搜索栏中输入应用名称并选择 **过滤和排序顺序** 来完成此操作。
带有过滤和排序按钮的搜索栏

带有过滤和排序按钮的搜索栏

* 点击 **第三方应用的名称** 或 **探索按钮** 来打开该应用。
应用名称和探索按钮

应用名称和探索按钮

* 使用该应用时，需要授权该应用与 Rememberizer 连接。有关流程的技术细节，请访问 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 页面。我们将以 **Rememberizer GPT 应用** 作为授权的 UI 流程示例。在第一次聊天后，您将看到该应用请求您登录 Rememberizer。
来自 Rememberizer GPT 应用的登录请求

来自 Rememberizer GPT 应用的登录请求

* 点击 **登录** 按钮。您将被重定向到授权页面。
授权页面

授权页面

* 您可以通过点击 **更改** 按钮来修改应用可以查看和使用的 Memento 和 Memory，并选择您想要的内容。 > **注意：** 有关 Memento 的详细信息，请访问 [mementos-filter-access.md](mementos-filter-access.md "mention") 页面。 > **注意：** 有关 Memory 集成的详细信息，请访问 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 页面。 * 点击 **授权** 完成该过程。然后您将再次被重定向回应用，您可以正常与其聊天。 > **注意：** 如果您点击 **取消** 按钮，您将再次被重定向到应用的登录页面，该应用将不会显示在 **应用目录** 页面中，而是会出现在 **您的连接应用** 页面中。如需完全取消授权过程的更多详细信息，请访问第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")。
成功连接的账户

成功连接的账户

## 管理您的连接应用 在 **应用目录** 页面，选择 **您的连接应用** 浏览该页面。
browse your connected app
您的连接应用页面

您的连接应用页面

该页面根据应用的状态将其分类为两种类型：**待处理应用** 和 **连接应用**。 * **待处理应用**：这些是您在 Rememberizer 上授权应用时点击 **取消** 按钮的应用。 * 如果您想完成授权过程，请点击 **继续**。 * 否则，点击 **取消** 完全撤回授权。该应用将再次显示在 **应用目录** 页面中。 * **连接应用**：您可以通过点击更改选项（如果尚未选择 Memento，则选择）来配置特定连接应用的 **Memento** 或 **记忆集成**。如果您想将第三方应用从 Rememberizer 中断开，请点击 **断开连接**。 ==> personal/rememberizer-memory-integration.md <== # Rememberizer 记忆集成 ### 介绍 Rememberizer Memory 允许第三方应用程序在用户的 Rememberizer 账户中存储和访问数据，为有价值的信息在多个用户的应用程序中保存和利用提供了一种简单的方法。 ### 益处 #### 对于用户 共享内存创建了一个单一的地点，所有用户应用程序的关键结果和信息都可以在一个位置找到。对用户的一些好处包括： * 便捷访问：重要数据被集中管理，允许用户和他们的应用程序轻松访问多个应用程序的结果。 * 应用之间同步：信息可以在用户的不同应用之间无缝共享和同步，无需用户额外付出努力。 * 持久存储：数据即使在单个应用程序被卸载后依然可以访问，不像特定应用的本地存储。 #### 对于应用开发者 共享内存为应用开发者提供了一种简单的方式来访问用户其他连接应用的数据： * 无需后端：应用无需开发自己的自定义后端系统来存储和共享数据。 * 利用其他应用：应用可以基于用户其他已安装应用生成的公共数据进行构建和利用，丰富自身功能。 * 跨应用集成：应用开发者的不同应用之间实现无缝集成和数据共享能力。 默认情况下，所有应用对共享内存具有只读访问权限，而每个应用只能写入自己的内存空间。用户可以根据需要自定义访问权限。这在数据共享与用户隐私和控制之间实现了平衡。 ### 配置您的记忆 #### 全局设置 全局设置允许用户配置所有使用共享内存的应用程序的默认权限。这包括：
在知识页面配置内存

在知识页面配置内存

#### 应用程序的默认内存和数据访问权限 * **读取自己的/写入自己的：** 应用程序仅被允许访问和修改自己的内存数据。 * **读取所有/写入自己的：** 应用程序可以读取所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存：** 默认情况下，应用程序无法访问或存储内存数据。 * **应用于所有选项：** 用户可以将所有应用程序特定的权限设置恢复为全局设置中选择的默认值。
memory settings panel
用户可以通过 _**忘记你的记忆**_ 选项清除所有内存文档：
忘记记忆时的确认模态

忘记记忆时的确认模态

#### 应用设置 对于每个连接的应用，用户可以自定义共享内存权限。点击 **“查找应用”**，然后点击 **“您的连接应用”** 或访问链接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 查看您连接的应用列表。然后，点击您想要自定义的应用的内存上的 **“更改”**：
在连接应用页面为每个应用配置内存

在连接应用页面为每个应用配置内存

#### 应用程序的内存访问权限 * **读取自己的/写入自己的**：权限仅允许应用程序访问和修改其自己的内存数据，防止其与其他应用程序的内存交互。 * **读取所有/写入自己的**：应用程序可以查看所有应用程序的内存数据，但只能修改自己的内存数据。 * **禁用内存**：应用程序被禁止访问或修改内存数据。 这使用户能够根据对特定应用程序的信任程度，对每个应用程序如何利用共享内存进行细粒度控制。单个应用程序的权限可以比全局默认设置更严格。 全局设置和应用程序设置共同为用户提供强大而易于使用的控制，管理他们的数据如何通过共享内存进行共享。 ### 与记忆功能集成 #### API 端点 Rememberizer 提供一个 API 端点 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 让 GPT 应用调用以记住内容。 注意：此 API 仅适用于具有 [OAuth2 认证的第三方应用](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 密钥](../developer/registering-and-using-api-keys.md)）。 #### 记住你的知识 在授权使用 Rememberizer 后，第三方应用可以记住它宝贵的知识。 在这里，我们将演示一个使用 Rememberizer GPT 应用的过程。 * 在使用 Rememberizer GPT 应用后，用户想要记住第三点“零成本抽象”。
与 Rememberizer GPT 应用互动

与 Rememberizer GPT 应用互动

* 要使用 Rememberizer 应用的记忆功能，用户必须首先授权该应用访问你的项目。使用 **memorize** 命令告诉应用需要存储哪些知识。
登录以授权 Rememberizer

登录以授权 Rememberizer

* 用户可以在这里配置记忆选项，默认值基于全局配置
授权屏幕

授权屏幕

现在，Rememberizer 成功地记住了知识。
successful memorize knowledge
* 在 Rememberizer 中，用户可以在 **嵌入知识详情** 页面查看最近的内容。
embedded knowledge detail
通过 **Talk to Slack** 应用，用户可以无缝地应用并继续使用他们已记住的数据。例如，记住的信息可以轻松查询和检索
在另一个应用中回忆记忆数据

在另一个应用中回忆记忆数据

### 通过 Memento 使用记忆数据 * 利用记忆数据的另一种方法是创建 **Memento** 并将记忆提炼到其中。有关创建说明的更多信息，请访问 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分。 * Rememberizer 将内容保存到文件中，用户可以选择任何应用程序将其内容提炼为 **Memento**。 > 注意：在旧版本中，Rememberizer 将内容保存到文件中，并按日期合并到文件夹中。
memory memento feature
通过 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用户即使在记忆应用配置关闭时也可以利用记忆数据。 ### 在 Rememberizer 中搜索记忆文档 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好地，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南将引导您完成将您的 Dropbox 集成到 Rememberizer 作为知识来源的过程。 --- # Rememberizer Dropbox 集成 1. 登录到您的帐户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Dropbox。
Dropbox，准备作为知识来源连接

Dropbox，准备作为知识来源连接

3. 点击 **"允许"** 将 Rememberizer Dropbox 应用安装到您的帐户。
dropbox oauth
4. 一旦您授予了必要的权限，您将被重定向回我们的平台，在那里您应该能看到您的 Dropbox 帐户已连接，并且侧边面板会弹出。
dropbox auth redirect
5. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
dropbox choose knowledge
7. 选择您的文件和文件夹后，点击 **"添加"**，我们的系统将开始嵌入。这个过程可能需要几分钟，具体取决于数据量。 ### 连接到另一个Dropbox账户 如果你断开了你的Dropbox知识库，然后重新连接，很可能Dropbox会自动连接到你之前的Dropbox账户，完全跳过授权页面。 如果你想用另一个Dropbox账户连接： 1. 前往Dropbox网站，用你之前的账户凭证登录。 2. 登录后，点击右上角的个人头像。 3. 在下拉菜单中选择"设置"。 4. 在设置菜单中，选中"已连接的应用程序"标签。 5. 在已连接的应用程序列表中找到Rememberizer应用程序，并点击其旁边的"断开连接"。 6. 退出你之前的Dropbox账户。 7. 现在，当你试图再次将Dropbox连接到Rememberizer应用程序时，它会提示你授权新的Dropbox账户。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Google Drive、Slack 等，以形成一个全面的备忘录。 您还可以通过我们的网页 UI [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Google Drive 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Google Drive。
drive personal knowledge
3. 点击 Google Drive 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，询问您是否允许 Rememberizer 访问您的 Google Drive。选择您的 Google Drive 账户。
drive oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
drive oauth step 2
5. 通过点击 **"继续"** 允许 Rememberizer **查看和下载您所有的 Google Drive 文件**。
drive oauth step 3
6. 您将被重定向回我们的平台，此时您应该能看到您的 Drive 账户已连接，并且侧边面板弹出。
drive auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些文件和文件夹。从侧边面板中选择您想要的文件或文件夹。如果侧边面板没有出现，请点击 **"选择"** 按钮以打开侧边面板。
drive choose knowledge
8. 选择文件后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Google Drive 数据。
drive choose knowledge checkbox
9. 选择您的文件和文件夹后，我们的系统将开始嵌入消息和文件。根据数据量，这个过程可能需要几分钟。
drive indexing
### Google Drive 集成的限制 * 虽然 Rememberizer 的 Google Drive 集成允许您访问和嵌入各种文件和文件夹，但由于 Google 设置的限制，目前无法访问或嵌入“计算机”部分的文件，该部分用于备份您计算机上的文件。 * 如果您需要从本地计算机嵌入文件，我们建议使用我们的 Rememberizer Agent 桌面应用程序。要了解有关 Rememberizer Agent 的更多信息以及如何安装和使用它，请参考我们的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序中的知识结合起来，例如 Slack、Box、Dropbox 等，以形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> personal/README.md <== # 个人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以发布一个主题或问题，Rememberizer 将 提供一个文件列表，并提取在概念上相似的部分。 --- # 搜索你的知识 ## 在 Rememberizer 中搜索 * 在导航栏中，选择 **个人 > 搜索您的知识**。然后您将看到 Rememberizer 的搜索页面。
navbar search rememberizer (1)
search rememberizer page
* 输入您想要搜索的问题或主题，然后选择您想要限制应用程序访问的纪念品，并点击 Rememberizer 按钮（或按 Enter）。搜索过程可能需要几分钟，具体取决于 Memento 中的数据量。
在 Rememberizer 中搜索的纪念品过滤

在 Rememberizer 中搜索的纪念品过滤

* 最终，您将看到与您所需问题或主题匹配的文档列表。您可以点击文件，它将下拉与您的问题或主题相关的匹配文本块。
搜索结果的示例

搜索结果的示例

==> personal/rememberizer-app.md <== # Rememberizer 应用 ### 介绍 Rememberizer 应用程序是一款 MacOS 桌面应用，能够将您的本地文件转换为向量嵌入，并将其作为数据源上传到 Rememberizer 的知识库中。该应用程序使其他 LLM 通过 Rememberizer 的 API 查询您的嵌入，基于您本地文件的内容生成答案。 ### 优势。 * **数据利用：** 该应用程序帮助您以有意义和高效的方式利用本地文件。它从您的文件中提取有价值的数据，并使其可用于机器学习过程。 * **易用性：** 该应用程序具有用户友好的界面，安装和使用都很简单。它处理文件转换和数据上传的所有繁重工作，因此您无需操心。 * **集成：** Rememberizer 应用程序与其他 LLM 无缝集成。这使得它们能够通过 Rememberizer 的 API 查询您的嵌入，以根据您本地文件的内容生成答案。 ### 安装。 1. 从 [这里提供的链接](rememberizer-app.md#download-links) 下载一个版本的 Rememberizer 应用程序。 2. 下载完成后，在你的下载文件夹中找到 .dmg 文件并双击它。 3. 当新窗口打开时，将 Rememberizer 应用程序拖入你的应用程序文件夹。 4. 前往你的应用程序文件夹，点击 Rememberizer 应用程序以打开它。 ### 如何使用。 1. **登录：** 要使用 Rememberizer 应用程序，您需要使用您的 Rememberizer 账户登录。如果您没有 Rememberizer 账户，您需要创建一个。
rememberizer app sign in
rememberizer app success auth
2. **将文件夹添加到数据源：** 登录后，Rememberizer 应用程序将开始在后台运行。您可以通过点击状态栏中的小图标来访问它，如下所示。首次使用时，您需要将文件夹添加到数据源。这使得 Rememberizer 应用程序能够将这些文件夹中的文件转换为向量嵌入并上传到您的 Rememberizer 知识库。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上传：** 软件将无缝地将这些向量嵌入整合到您的 Rememberizer 知识数据库中。通过 Rememberizer 状态标签跟踪上传过程。
rememberizer app status
### 下载链接。 * Rememberizer 应用 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [发布说明](rememberizer-app.md#version-1.3.1-july-25-2024)。 请注意，建议始终使用最新版本的软件，以利用所有最新功能和改进。 Rememberizer 应用旨在使将本地文件转换为向量嵌入的过程尽可能无缝。享受以更高效的方式使用您的数据！ ### 发布说明. ### 版本 1.6.1（2024年10月4日） #### 功能和改进 * **支持空文件夹**：用户现在可以将空文件夹添加为数据源。 * **小幅改进**：对用户界面和性能进行了增强。 * **GPU支持和性能改进**：增加了对GPU加速的支持，以提高处理速度。 * **增强的嵌入程序**：配置为支持PyTorch的MPS版本，优化特定机器的构建。 * **智能CPU检测**：实现了CPU类型的检测，以确保使用最合适的嵌入程序版本。 * **改进的数据源管理**：利用批量删除API高效删除已移除数据源中的文件。 * **支持所有纯文本文件**：启用了对各种纯文本文件类型的处理。 * **遵循Gitignore规则**：现在在Git存储库中被gitignore规则忽略的文件将被排除在处理之外。 ==> personal/common-knowledge.md <== --- description: >- 通过添加对我们和其他人预先索引数据的AI访问，增强您的知识或快速入门。 --- # 常识 ## 什么是常识 在 Rememberizer 中，注册用户 **(发布者)** 可以通过备忘录选择他们上传的文档，并将其公开分享为常识。其他用户 **(订阅者)** 可以访问这些公共知识并将其添加到自己的资源中。 通过贡献他们的数据，其他用户可以共同增强常识页面上可用的信息。这种协作方式使所有用户能够访问更丰富的数据源，从而提高他们的 AI 应用程序的学习能力。 ## 添加公共常识 为了将公共常识订阅到您的资源中，请按照以下说明操作 * 在导航栏中，选择 **个人 > 常识**。然后，您将看到公共常识页面。
navbar browse ck
public ck page
* 然后，寻找您想要订阅的常识。您可以通过在搜索栏中输入常识的名称来查找该常识。您还可以选择搜索栏旁边的过滤选项。
搜索栏的过滤器

搜索栏的过滤器

搜索结果示例

搜索结果示例

* 然后点击公共常识上的 **添加** 按钮。成功订阅后，您将看到 **添加** 按钮变为 **移除** 按钮。
未添加的常识

未添加的常识

已添加的常识

已添加的常识

* 之后，如果您想要移除已订阅的常识，请点击 **移除** 按钮。 ## 创建共享知识 有关创建和共享共享知识的详细说明，请访问此页面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每个应用集成的 Memento 来限制其对您的知识的访问 --- # Mementos过滤器访问 ### 什么是备忘录，它们为什么存在？ Rememberizer 的一个主要目的是以受控的方式与第三方应用程序共享您数据的高度相关摘录。这是通过将单个 **备忘录** 应用到与 Rememberizer 集成的每个应用程序来实现的，您也选择授权这些应用程序访问您在 Rememberizer 中的数据。 当前的备忘录实现允许用户选择特定的文件、文档或内容组，例如可以被该应用程序使用的文件夹或频道。后续的实现将增加其他过滤第三方访问的方法，例如时间范围，如“在过去 30 天内创建”。\ \ 两个默认值是“无”和“所有”。所有共享用户允许 Rememberizer 访问的每个文件。无则不与相关应用共享任何内容。选择无允许用户选择一个应用并将其与 Rememberizer 集成，而无需当场决定要提供哪些内容。选择一个无的备忘录或编辑现有的应用备忘录以共享无，是一种关闭应用访问用户数据的方法，而无需删除集成。这就像是您数据的关闭开关。自定义备忘录可以专门制作，并具有反映这一点的名称，例如“作业”或“市场营销”。 ### 如何创建 Mementos？ 本指南将引导您完成创建 Mementos 的过程 1. 在选项卡中导航到 **个人 > Memento: 限制访问**，或访问 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您应该在屏幕左侧看到所有 Mementos
memento page
2. 点击 **创建新 memento**。然后填写您自定义 memento 的名称并点击 **创建**。之后，您应该看到您的 memento 已添加，并且可以在您的 memento 中包含数据源的列表。
create memento
memento detail
3. 点击您想要细化的数据源上的 **细化**，侧边面板将弹出。然后选择添加文件夹或文件，并点击 **细化** 将这些数据源添加到 Memento。
memento refine knowledge
4. 此外，对于常见知识源，您可以点击 **添加** 将知识包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允许用户高效管理来自各种来源的存储文件。 本节将向您展示如何访问、搜索、过滤和管理您上传的知识文件 --- # 管理您的嵌入知识 ## 浏览嵌入知识详情页面 在导航栏中，选择 **个人 > 您的知识**。 找到“您的知识”部分右侧的 **查看详情** 按钮并点击它。 然后，您将看到 **嵌入知识详情** 页面。
您的知识部分和 <strong>查看详情</strong> 按钮

您的知识部分和 查看详情 按钮

嵌入知识详情页面

嵌入知识详情页面

知识文件详情表包括以下属性： * **文档：** 文档或 Slack 频道的名称。 * **来源：** 文件上传的资源（Drive、Mail、Slack、Dropbox 和 Rememberizer 应用）。 * **目录：** 文件在源中的位置。 * **状态：** 文件的状态（索引中、已索引或错误）。 * **大小：** 文件的大小。 * **索引时间：** 文件被索引的日期。 * **操作：** 删除文件的按钮。对于状态为错误的文件，垃圾桶图标（删除按钮）旁边还会有一个重试图标。 ## 详细页面的功能 ### 搜索和过滤文件 用户可以通过 **搜索栏** 按名称搜索文档。在栏中输入名称，然后按 Enter 键获取结果。
搜索结果

搜索结果

您还可以选择 **状态过滤器** 和 **来源过滤器**。这将通过缩小搜索条件快速定位特定文档。
来源过滤器

来源过滤器

状态过滤器

状态过滤器

### 删除上传的文件 找到您想要删除的文件（如有需要可通过搜索）。然后点击**操作**列中的**垃圾桶图标**。
带有删除图标的文件

带有删除图标的文件

将弹出一个模态框以确认删除。点击**确认**，然后您将看到文件已被删除。
删除确认模态框

删除确认模态框

### 重试索引错误文件 用户可以重试嵌入那些 Rememberizer 无法索引的文件。要重试索引特定文件，只需点击 **操作** 列中删除按钮旁边的重试按钮。
特定错误文件的重试按钮

特定错误文件的重试按钮

如果用户想重试索引所有错误文件，请点击 **操作** 列标签旁边的重试按钮。
所有错误文件的重试按钮

所有错误文件的重试按钮

以下是成功重试索引来自 Gmail 集成的错误文件后的图像。
成功重试索引错误文件

成功重试索引错误文件

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南将引导您将 Google Drive 集成到 Rememberizer 作为知识源的过程。 --- # Rememberizer Gmail 集成 1. 登录到您的账户。 2. 导航到 **个人 > 您的知识** 标签，或访问 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您应该能看到所有可用的知识来源，包括 Gmail。
gmail personal knowledge
3. 点击 Gmail 知识来源的 **"连接"** 按钮。您将被重定向到一个新页面，请求您允许 Rememberizer 访问您的 Gmail。选择您的 Gmail 账户。
gmail oauth step 1
4. 通过点击 "**继续"** 来批准该应用。
gmail oauth step 2
5. 通过点击 **"继续"** 授予 Rememberizer **权限** 以访问您的 Gmail。
gmail oauth step 3
6. 您将被重定向回我们的平台，您应该能看到您的 Gmail 已连接。
gmail auth redirect
7. 现在您已连接，您需要指定我们的产品应该嵌入哪些电子邮件标签。点击 **"选择"** 按钮，并从侧边面板中选择您想要的电子邮件标签。所有属于所选标签的电子邮件将被嵌入。
gmail choose knowledge
8. 选择标签后，点击 **"添加"** 开始嵌入您的知识。您还需要勾选框以同意 Rememberizer 的政策，即与您特别批准的第三方应用共享您的 Gmail 数据。
gmail choose knowledge checkbox
9. 一旦您选择了标签，我们的系统将开始嵌入电子邮件和附件。此过程可能需要几分钟，具体取决于数据量。
gmail indexing
### 接下来是什么？ 使用 [Memento](mementos-filter-access.md) 功能来过滤对源数据的访问。将此与您在其他应用程序（如 Slack、Box、Dropbox 等）中的知识结合起来，形成一个全面的备忘录。 您还可以通过我们的网页用户界面 [搜索您的知识](https://rememberizer.ai/personal/search)，或者更好的是，通过我们的 GPT 应用程序或公共 API 在 LLM 中使用这些知识。 就这样！如果您在过程中遇到任何问题，请随时联系我们的支持团队。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用条款 ### 1. 引言 本文档概述了Skydeck AI Inc的一项服务Rememberizer（"Rememberizer"）的使用条款（“条款”），包括在*.rememberizer.ai中为用户提供的所有页面，以及链接到这些条款的任何其他页面（"网站"）。这些条款构成了您作为用户与Skydeck AI Inc作为这个平台提供者之间的具有法律约束力的协议。通过访问或使用这个平台，您确认同意遵守这些条款。 ### 2. 接受条款 通过访问或使用网站的任何部分，您确认您至少已经18岁，已经阅读并理解这些使用条款以及Rememberizer隐私政策（隐私政策已被引入并构成本条款的一部分），并同意受其法律约束。 在这些条款中，“我们”指的是Rememberizer，而“您”既指您个人，也指您代表的任何实体。通过使用我们的平台，您确认您可以代表此类实体接受这些条款，从而使其受到这些条款的约束。 ### 3. 联系信息 SkyDeck AI Inc. 是您签约的实体。我们的邮寄地址和联系方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 旧金山，加利福尼亚州 94104\ 电话：1.415.744.1557\ 法律咨询：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ### 4. 授权许可和专有权利 在您全面遵守这些条款、平台发布的任何其它政策或限制，及时支付与 Rememberizer 协商的任何费用的前提下，我们授予您有限的、非独家的、不可转让的、可撤销的许可，让您可以访问和使用平台。 除非另有说明，平台提供的所有内容（包括但不限于软件、提交内容、信息、用户界面、图形、商标、标志、图像、艺术作品、视频、文件，以及平台的整体“外观”）均由 Rememberizer 所有、控制、或获得许可。这些内容受到包括商业装潢、版权、专利和商标法等各种法律以及其它知识产权和不正当竞争法的保护。 Rememberizer 保留所有权利。 您的内容仍然是您的唯一财产。您授予我们一个非独家的、可撤销的许可，让我们可以为您提供服务的目的使用您的内容。 任何未经授权的复制、重新分发、使用或利用平台的任何部分，都严格禁止，可能会造成民事或刑事惩罚。 ### 5. 账户责任 如果您在平台上开设账户，您有责任维护您的账户信息的保密性，并负责您账户下的所有活动。接受这些条款并创建账户即表示您同意我们按照隐私政策所述收集、使用和披露您的信息。对于记忆者（Rememberizer）或平台，未满18岁的人不得注册账户或提供任何个人信息。如果发现账户被未经授权的使用，立即通知记忆者。因为未经授权的使用可能导致您承担损失。未经记忆者预先批准，不得使用他人的账户。在禁止的地方，账户注册无效。 ### 6. 用户权利和责任 作为用户，您有权利为合法商业目的使用我们的AI工具。您有责任不滥用或滥用这些工具，不侵犯他人的权利，也不违反任何法律。在使用平台时，您需遵守所有适用的法律和法规。 ### 7. 提供商权利和责任 我们，Rememberizer.，保留监控使用情况、执行这些条款以及根据需要更新平台及其条款的权利。我们负责提供可靠的服务，尊重用户的隐私，并对任何问题或疑虑作出回应。 ### 8. 内容规则 由我们的AI工具生成的内容由您，作为用户，拥有，但需遵守这些条款中规定的任何限制或条件。内容不应用于非法或不适当的用途。 ### 9. 滥用和违约 滥用或违反这些条款可能导致处罚，包括但不限于，暂停或终止访问平台的权利，法律诉讼，和/或赔偿。 ### 10. 免责声明 您同意，使用该平台，包括任何内容，都是您个人的风险。平台和内容以“原样”和“可用”的基础提供。Rememberizer不做任何明示或暗示的保证，并放弃所有可能的保证，包括但不限于暗示的适销性、特定目的适用性、权属和非侵权的保证。Rememberizer不能保证平台或内容是准确的、始终可用的、完整的、可靠的、安全的、最新的、无误的，或者没有病毒或其他有害组件。 ### 11. 赔偿 您同意赔偿，为记忆器及其高级职员，董事，股东，继承人，员工，代理人，子公司和关联公司进行辩护，并使其免受任何实际或威胁的第三方索赔，要求，损失，损害，费用，责任，诉讼和费用（包括合理的律师和专家费用以及调查成本），在法律允许的最大范围内。这包括由于您使用平台，违反了这些条款，违反了任何法律法规，侵犯了任何第三方权利，或者您泄露，征询或使用任何个人信息（无论是否经过您的知情同意）而产生的任何问题。记忆器有权假定您须要赔偿的任何事项的专属辩护和控制权，并且您同意与记忆器的这种索赔辩护合作。在未征得记忆器事先书面同意的情况下，您不得同意任何影响记忆器的和解。 ### 12. 暂停或终止访问权 Rememberizer保留随时暂停或终止您对平台的任何或所有访问权的权利，无论是否通知，无论何种原因。这包括但不限于违反这些条款，应执法机构或其他政府机构的要求，中断或明显修改平台，或出现意外的技术问题。Rememberizer对于终止您对平台的访问权并不承担责任。在终止您的访问权后，任何应自然延续的根据这些条款的权利和义务将继续有效。 ### 13. 责任限制 在法律允许的最大范围内，您同意承担因您访问和使用该平台及内容而产生的所有风险。Rememberizer或其任何董事、员工、代理或供应商将不承担因使用或与平台相关，以及任何在平台上包含或以其他方式可通过平台获得的内容、服务或产品而产生的任何特殊的、间接的、附带的、示例性的、后果性的或惩罚性的损害。Rememberizer因这些条款或因使用或无法使用平台而对您产生的总累计责任，不会超过一百美元（$100.00）。 ### 14. 争议解决 任何因这些条款而引发或与此相关的纷争、争议或索赔，包括其有效性、无效性、违规或终止，应根据美国仲裁协会的规则通过仲裁解决。仲裁地点应在加利福尼亚州的圣何塞，程序应遵循加利福尼亚的法律。仲裁裁决应对双方都是最后且具有约束力的。 ### 15. 条款的更改 记忆器保留随时更改这些条款的权利，这完全由我们自行决定。更改将通过适当的渠道通知用户，例如电子邮件通知、网站横幅或应用内消息， 并将给予用户合理的时间接受新的条款。 ### 16. 翻译 为了方便您，我们提供了此文档的机器翻译版本，语言为英语以外的其他语言。在原始英语版本与其他语言版本之间存在冲突或矛盾时，以英语版本为准，优先适用。通过依赖此文档的非英语翻译，您接受翻译文本与您已同意的实际条款之间可能存在意外差异。 ==> notices/privacy-policy.md <== # 隐私政 ## Rememberizer 隐私政策 SkyDeck AI Inc.（"Rememberizer"，"我们"，"我们的"或"我们"）尊重您的隐私，并致力于通过遵守此政策来保护。此政策描述了我们可能从您那里收集的信息类型，或者您在使用 rememberizer.ai 生成 AI 平台（我们的"服务"）时可能提供的信息，以及我们收集、使用、维护、保护和披露此类信息的做法。 ### 我们收集的关于您的信息及其收集方式 我们从用户及其使用我们服务的相关信息中收集几种类型的信息，包括： * 个人信息，例如您的姓名、电子邮件地址以及其他您可能通过在线或离线方式被联系的标识符。 * 技术数据，例如有关您的互联网连接的信息、您用来访问我们服务的设备以及使用详情。 * 访问您提供的第三方供应商生成的 AI 模型的 API 密钥和凭据。 * 文档内容（“知识”），包括整篇文档（如 Google Docs）、数据和讨论（如 Slack 频道的内容）。这些信息来自您选择并决定与 Rememberizer 分享的数据源。 我们收集这些信息： * 直接从您那里，当您授权访问某个数据源时提供给我们的。 * 直接从您集成的应用程序，当该应用程序选择将文本存储在 Rememberizer 内存中以供该应用程序或其他应用程序以后使用时。 * 当您浏览服务时自动收集。自动收集的信息可能包括使用详情、IP 地址以及通过 Cookie、网络信标和其他跟踪技术收集的信息。 * 当您更改源数据时自动收集，以便最新版本能够反映在我们的知识中。 * 我们确认，从 Google Workspace API 检索的任何用户数据不会用于训练任何 AI/ML 模型。此数据仅对已提供明确同意的个人用户可访问，仅用于向您提供和改善我们的服务。 ### 我们如何使用您的信息 我们使用我们收集你的信息或是你提供给我们的信息，包括任何个人信息： * 为您提供服务及其内容，及您从我们那里请求的任何其他信息、产品或服务。 * 为了实现您提供的任何相关目的。 * 为您发送有关您账户的通知。 * 执行我们的义务，维护您和我们之间签订任何合同中产生的权力。 * 通知您我们的服务或是我们提供的任何产品或服务的变化。 * 改进我们的服务、产品或服务。 * 允许您参与我们服务上的互动功能。 * 知识文档的文本部分存储在块中，并在矢量数据商店中索引，以便将估计具有语义相关性的部分返回给您授权访问的第三方应用程序。 ### 第三方分享 Rememberizer的主要目的之一是以受控方式与第三方应用分享您的高度相关数据摘录。这是通过将单一的 **回忆录** 应用到与Rememberizer集成且您也选择授权访问Rememberizer中的数据的每个应用程序来实现的。 当前的回忆录实现允许用户选择特定的文件，文档或一组内容，如文件夹或频道，由该应用程序使用。后续的实现将添加更多方式来过滤第三方访问，如"在过去的30天内创建"等时间范围。\ \ 两个默认值分别为"无"和"全部"。全部表示用户已授权Rememberizer访问的每个文件。无则表示对应用程序不进行任何分享。选择无可以让用户选择一个应用程序并将其与Rememberizer集成，而无需当场决定要提供哪些内容。选择带有无的回忆录或编辑现有应用的回忆录以分享无的，是关闭应用程序访问用户数据的一种方式，无需删除集成。这就像为您的数据设置了一个关闭开关。自定义的回忆录可以根据目的进行制作，并具有反映其目的的名称，例如“作业”或“市场营销”。 ### 信息的披露 我们可以无限制地披露关于我们用户的汇总信息，以及不会识别任何个人的信息。我们可能会按照此隐私政策中的描述披露我们收集或您提供的个人信息： * 对于为我们提供服务或代表我们提供服务并需要访问此类信息以完成工作的第三方供应商、服务提供商、承包商或代理。 * 为完成您提供信息的目的。如果我们在您提供信息时提到了任何其他目的。 * 在您同意的情况下。 ### 您的权利 根据适用的数据保护法，您拥有某些权利。这可能包括： * 请求查看您的个人数据。 * 请求更正我们持有的关于您的个人数据。 * 请求删除您的个人数据。 * 反对处理您的个人数据。 * 请求限制处理您的个人数据。 * 请求转移您的个人数据。 * 撤回同意的权利。 ### 数据安全 我们已经实施了旨在保护您的个人信息免受意外丢失以及未经授权的访问，使用，更改和抏露的措施。您向我们提供的所有信息都存储在我们的安全服务器的防火墙后面。任何支付交易和API密钥都将使用SSL技术加密。 ### 我们的隐私政策的变更 我们的政策是在这个页面发布我们对隐私政策所做的任何更改。如果我们对处理用户个人信息的方式做出重大更改，我们会通过服务首页上的通知告知您。 ### 联系信息 如需询问或评论本隐私政策及我们的隐私实践，请通过以下方式与我们联系： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 旧金山，加州 94104\ 电话：1.415.744.1557\ 电子邮件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此更新增强了与 Dropbox、Google Drive 和 Slack 的集成，并 精炼了文档管理，以提供更顺畅的用户体验。 --- # 2024年4月5日 ## 新特性 * **新知识树支持：** 扩展了树结构，以更好地与 Dropbox 和 Google Drive 整合，实现更直观的文档和文件夹管理。 * **Slack 回复同步：** 新增功能，更有效地同步新的 Slack 回复，帮助保持交流的无缝和更新。 ## 错误修复 * **常见知识页面修复：** 修复了与搜索、分页和更新常见知识页面上的日期时间格式相关的错误。 * **旧账户文件显示修复：** 我们修复了一个问题，即旧账户的选定文件未正确显示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本专注于改善用户体验、增强集成和修复各种问题。主要更新包括Gmail同步和显示目录路径。 --- # 2024年5月17日 ## 新功能 * **Gmail 集成与同步：** 连接您的 Gmail 帐户，在我们的平台上轻松管理电子邮件。上周，我们推出了标签特定的集成；本周，享受同一标签内线程的完全同步，以实现无缝访问和管理。 ## 改进 * **显示目录路径：** 该应用程序现在显示目录路径，使用户更容易导航和定位他们的文档。 * **更新图示：** 应用程序的图示已更新，以提供系统架构和数据流的更清晰视觉表示。 * **更改数据源顺序：** 数据源的顺序已优化，以提高数据检索和处理的效率。 * **更新数据获取逻辑：** 数据获取的逻辑已增强，以提高所检索信息的准确性和可靠性。 ## 错误修复 * **修复删除文档按钮 UI：** 嵌入详细信息中的删除文档按钮的用户界面已修复，以提供更好的用户体验。 ==> notices/releases/nov-22nd-2024.md <== --- description: >- 此版本专注于增强集成灵活性，扩展模型选择选项，并改善文档处理和加载性能。 --- # 2024年11月22日 ### 新功能 - **每个集成的多个账户**：用户现在可以连接和管理每个集成（Google Drive、Dropbox、Gmail 和 Slack）的多个账户，提供更大的灵活性。 - **嵌入选项中的 OpenAI 模型**：在创建或编辑向量存储时，现在可以选择 OpenAI 模型，为嵌入模型提供更多选择。 - **可编辑的嵌入模型凭据**：用户现在可以在编辑向量存储时更新嵌入模型凭据，简化模型管理。 ### 改进 - **并行文档处理**：文档现在可以并行处理，提高了速度和效率。 - **改进的文档加载**：加载工作者的优化提高了文档加载时间。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本专注于增强性能和稳定性，对同步过程进行了重大改进，并修复了已知问题。 --- # 2024年10月4日 ### 改进 - **优化了 Google Drive 导航**：提高了 Google Drive 知识树的性能，以实现更快、更流畅的浏览。 - **增强了同步效率**：通过优化任务管理来改进文档同步，以实现更快的更新。 ### 错误修复 - **解决了断开数据源时崩溃的问题**：修复了在知识面板打开时断开数据源导致应用崩溃的问题。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次发布专注于各种改进、新功能和错误修复，以增强用户体验和功能性。 --- # 2024年9月20日 ### 改进 - **数字格式增强**：大数字现已使用逗号显示，以便于阅读。 - **文档处理更新**：改进的机制高效管理和索引文档，即使在较大的文件夹中。 - **Slack和文档处理优化**：增强的API能够重新尝试所有失败的文档和Slack频道，确保更顺畅的操作。 ### 新特性 - **会员更新**：现在根据加载结果更新会员，以获取更准确的数据。 - **随机文档选择**：引入了随机选择以嵌入和加载文档，以多样化文档处理。 ### 错误修复 - **Dropbox 同步**：暂时禁用 Dropbox 同步以防止潜在的数据问题。 - **搜索字段改进**：知识详情页面上的搜索字段现在根据“file”查询参数自动填充，以便进行更精确的搜索。 - **加载后重新索引集合**：增强了加载结果 API，以自动重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我们最新的发布专注于提升性能、改善可靠性，并通过各种优化和修复提供更好的用户体验。 --- # 2024年11月8日 ### 改进 - **更新的入门体验**：通过更新的 Gmail 集成增强新用户入门视觉效果，以实现更顺畅的开始。 - **优化性能**：通过重新应用半精度向量提高应用程序的速度和效率。 - **增强搜索能力**：改进索引以获得更好的搜索结果和更快的信息检索。 - **提高文档处理可靠性**：增强嵌入任务中的重试处理，以实现更可靠的文档处理。 ### 错误修复 - **修复文档同步错误**：解决了与文档同步和处理错误相关的问题，提高了应用程序的稳定性。 - **解决备忘录访问错误**：修复了备忘录文档无法访问的错误。 - **确保文档索引**：修复了阻止创建向量存储表的问题，确保所有文档都被正确索引并可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改进了错误处理，增强了备忘录侧边栏，并 精炼了测试。主要更新包括备忘录大小显示、更好的错误 响应和自动版本检查。 --- # 2024年6月14日 ## 新功能 * **显示备忘录大小：** 备忘录的大小现在在备忘录侧边栏中显示，为用户提供了更好的存储使用情况洞察。 * **检查最新版本：** 我们添加了一个功能，允许桌面应用程序自动检查并通知用户可用的最新版本。 ## 错误修复 * **已删除的纪念品返回404:** 检索已删除的纪念品或属于其他用户的纪念品现在返回404错误，而不是服务器错误。 * **更新第三方应用的大小:** 修复了一个问题，即第三方应用的记忆文档未触发纪念品的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知识创建和显示以及纪念品重命名等新功能。改进包括关于Dropbox、查询结果和常识用户界面的关键错误修复。 --- # 2024年3月4日 ## 新功能 * **共享知识**：已实现创建和显示共享知识的新功能。 * **记忆重命名**：用户现在可以重命名他们的记忆。 ## 错误修复 * **Dropbox 文件显示**：解决了 Dropbox 中文件显示不正确的问题。 * **查询结果顺序**：修复了一个错误，即连续块的查询结果返回了无序结果。 * **常识 UI**：修复了常识功能的多个 UI 问题。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本专注于增强搜索功能和改善文档管理功能。 --- # 2024年8月16日 ### 新功能 - **增强搜索过滤器**：增加了按发件人和收件人过滤搜索结果的功能，使得查找特定电子邮件更容易。 - **文档创建日期显示**：现在在文档列表中显示文档创建日期，以便于更好的文档管理。 ### 改进 - **改善搜索可靠性**：搜索功能的增强提供了更顺畅和更可靠的体验。 ### 错误修复 - **电子邮件集成修复**：解决了使用 GPT 时与 Gmail 集成的问题，以确保顺利操作。 - **桌面应用内容显示修复**：修复了桌面应用中文档内容显示的问题，以提供更好的用户体验。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此更新带来了新功能和改进，包括简化的 Slack 集成、增强的文档和更高效的用户注册流程。 我们还修复了一些错误。 --- # 2024年3月11日 ## 新功能 * **用户Slack数据迁移:** 现在可以迁移用户Slack数据以适应Slack线程和回复，增强用户交互。 * **常识整合:** 已将常识添加到整合资源端点，扩展了我们系统的能力。 * **置顶共享知识项:** 系统管理员现在可以将共享知识项置顶，提高可见性和可访问性。 * **安全处理文件:** 系统将不再因为空文件而失败，提高系统可靠性。 * **管理共享知识:** 用户现在可以删除和编辑他们的共享知识，对共享内容有更多的控制。 ## 改进 * **Rememberizer UI更新：**Rememberizer的用户界面已根据Slack回复的新格式进行更新。 ## 错误修复 * **在常识之间切换：** 修复了在精炼纪念品时在常识之间切换的问题。 * **不支持的文档可见性：** 修复了导致不支持的文档被显示的问题。 * **用户文档列表：** 订阅的文档将不再出现在用户文档列表中。 * **纪念品大小估算：** 修正了纪念品估算大小的错误计算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本专注于改善我们的 Slack 集成，增强用户界面，并解决关键问题，以提供更顺畅的体验。 --- # 2024年7月26日 **新功能：** * **Slack频道计数器**：一项新功能，准确计算并显示Slack频道的数量，帮助用户更好地管理他们的工作区连接。 **改进：** * **更新的Slack集成用户界面**：Slack集成的用户界面已更新，以支持新的频道机制，使其更加直观和易于使用。 * **应用名称更新**：桌面应用程序的名称已更新为“Rememberizer”，体现了我们帮助用户组织和记住重要信息的承诺。 **错误修复：** * **Google Drive集成**：解决了访问Google Drive文件夹时导致错误的问题，确保更顺畅的导航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此次发布专注于增强Dropbox和Google Drive的同步性能和导航，为您提供更顺畅和高效的体验。 --- # 2024年9月27日 ### 改进 - **增强的云同步**：优化了Dropbox和Google Drive的同步流程，实现了更快和更可靠的文件更新。 - **改进的Dropbox导航**：精炼了Dropbox知识树，以便更高效地组织文件和更容易地访问。 - **定期同步计划**：设置Google Drive、Dropbox和Gmail的同步任务，每6小时进行一次，确保您的内容始终保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在此版本中，我们为上传实施了1MB的图像大小限制，并增强了选择面板中的文档显示。我们还修复了与数据源断开连接相关的错误。 --- # 2024年2月26日 ## 改进 * **图像大小限制**：共享知识的裁剪图像大小不得超过1MB。 * **文档显示增强**：我们增加了在右侧选择面板内的树状结构中可以显示的文档数量，以改善用户体验。 ## 错误修复 * **数据源断开连接**：修复了一个问题，即断开数据源时未能适当地删除文档并移除数据源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此次发布专注于改善我们应用程序的整体性能、数据处理和 错误管理。用户可以期待更强大和 高效的体验。 --- # 2024年8月2日 **新功能：** * **改进的搜索功能**：搜索功能现在进行并行内容检索，提供更快和更准确的结果。 * **精细化的文档通知系统**：用户将收到更精确的文档更新通知，增强协作和工作流程管理。 * **更新的API密钥格式**：更新API密钥前缀以提高安全性和便于识别。 **改进：** * **增强的数据管理**：系统现在更有效地处理空文档，确保所有相关信息正确索引和加载。 * **优化的纪念品组织**：对纪念品侧边栏的改进提供了更清晰的文档和文件夹视图，使导航更加直观。 * **简化的数据处理**：实施新的嵌入机制和向量数据库适配，以更高效地处理和分析数据。 **错误修复：** * **电子邮件编码兼容性**：当电子邮件字符集不正确时，更新系统编码格式，防止潜在的显示问题。 * **Gmail标签管理**：解决删除Gmail标签时的问题，确保电子邮件集成更加顺畅。 * **异常处理**：改进错误通知系统，以更好地管理和传达系统异常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本专注于提高文档索引的可靠性，并包括各种错误修复，以增强您的体验。 --- # 2024年10月25日 ### 新功能 - **索引失败的自动重试**：实现了自动重试机制，以确保未成功索引的文档会被重试，从而增强数据一致性。 ### 错误修复 - **改进搜索功能**：修复了一个问题，导致无法搜索连接到没有记忆的备忘录的应用程序。 - **系统稳定性增强**：解决了并发任务期间数据库连接重叠的问题，以提高性能。 - **Slack同步调整**：暂时禁用空Slack频道的同步，以避免不必要的错误。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本专注于提高文档保存的可靠性。 --- # 2024年10月18日 ### 错误修复 - **增强文档保存稳定性**：改进了文档保存过程，以防止在同时编辑时出现潜在冲突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增强了文档同步，简化了常见知识管理，并优化了用户界面，提高了整体系统 效率和用户体验。 --- # 2024年4月12日 ## 新特性 * **云存储的自动同步：** 用户现在可以为Dropbox和Google Drive中的选定文件夹和文件设置自动同步，从而简化文档管理流程。 ## 改进 * **优化文档排序：** 现在可以通过索引日期或名称设置文档顺序，便于更直观的导航和检索。 * **备忘管理的UI更新：** 常识备忘UI已更新，包括一个新的共享设置切换，改善用户对数据共享的控制。 * **UI响应性和自定义：** 已实施小型UI修复。 ## 错误修复 * **入职流程：** 解决了在用户入职步骤中未显示常识的问题，增强了新用户的初始设置体验。 ==> notices/releases/README.md <== --- description: 公共声明、合规变更和用户帮助更新。 --- # 发布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次发布专注于提升用户体验、改善文档管理和优化 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack频道集成**：增强了对Slack频道的支持，改善了应用内的沟通与协作。 * **文档状态过滤器**：在嵌入详细信息页面新增了文档状态过滤器，使跟踪和管理文档变得更加容易。 * **分层文档显示**：在备忘录侧边栏中实现了新的树状视图，以分层方式组织文档和文件夹，改善导航体验。 * **高级搜索功能**：引入了日期范围过滤器，增强了搜索功能，允许更精确的文档检索。 **改进** * **文档管理**：优化了将文档链接到知识详细信息页面的过程，简化了文档组织和访问。 * **用户界面更新**：进行了多项UI增强，以改善整体应用可用性和视觉吸引力。 * **性能优化**：重构了代码并更新了API调用，以提升应用性能和响应速度。 **错误修复** * **空搜索查询处理**：解决了空搜索查询未被正确处理的问题，提高了搜索的可靠性。 * **电子邮件集成**：修复了与GPT交互时电子邮件源处理相关的问题，确保与电子邮件服务的更顺畅集成。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本对备忘录树进行了改进，提供了更好的排序，并修复了影响GPT应用程序中API请求的错误。 --- # 2024年2月19日 ## 改进 * **Memento Tree中的字母顺序排序**：为了提高导航效率，Memento tree中的文件和Slack频道现在按字母顺序排列。 ## 错误修复 * **GPT 应用**：我们修复了一个问题，该问题阻止了通过新设置的 GPT 应用进行 API 请求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次发布专注于通过改进的入门体验、纪念品管理和响应式用户界面来增强用户体验。关键更新包括移除图像大小限制，显示纪念品大小。 --- # 2024年3月18日 ## 新功能 * **创建新记忆按钮：** 我们添加了一个新按钮，以在授权应用程序时创建记忆，使流程更加用户友好。 * **图片上传器无大小限制：** 用户现在可以上传任何大小的图片，提供了更多的文档设计灵活性。 * **常识大小显示：** 我们增加了显示常识项目大小的功能，提供了更多的存储使用透明度。 ## 改进 * **Slack 频道的索引时间：**现在在检查新消息时会更新索引时间，并且文档的 `INDEXED` 状态会得到维护，提高了文档搜索的效率。 * **更流畅的入门操作：**我们减少了入门流程中的冗余步骤，使其更快更高效。 * **常识部分的响应式 UI：**我们优化了 memento 页面上常识部分的 UI，使其具有响应性，从而改善了在各种设备上的可读性。 * **Memento 大小显示：**现在在授权应用程序时会显示 memento 的大小，帮助用户更好地理解他们授权的 memento。 ## 错误修复 **用户重命名应用程序：** 现在正确处理用户重命名应用程序的情况，防止潜在错误。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次发布。 --- # 2024年1月15日 ## 新功能 * **文档搜索**：通过我们高效的搜索功能轻松找到您的文档。 * **Google Drive 集成**：通过 Google Drive 无缝管理您的文件。 * **开发者中心**：为开发者提供一个用户友好的空间，方便他们注册和配置与 Rememberizer 的集成应用。 * **纪念品管理**：轻松创建、列出和删除您的纪念品。 * **数据源管理**：轻松连接和断开您的数据源。 * **简单的入门**：我们的入门状态功能旨在为所有用户和开发者提供顺利的开始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在此版本中，我们引入了一个公共常识页面，改进了纪念品结构和入门用户界面，并修复了应用授权计数的错误。 --- # 2024年2月12 ## 新功能 * **公共知识页面**: 为了更好地获取和分享信息，我们实施了新的公共知识页面。 * **入职中的公共知识**: 用户现在可以直接从入职页面添加公共知识。 * **备忘录的树状结构**: 备忘录中的文件现在以树状结构返回，以便更清晰地导航和查看。 ## 改进 * **入职步骤的用户界面**：入职步骤的用户界面经过调整，以提供更好的用户体验。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本专注于提升性能、改善身份验证，并提高整体可靠性，以提供更好的用户体验。 --- # 2024年11月1日 ### 改进 - **更快的搜索性能**：优化后端流程，以提供更快速的文档访问。 - **增强的认证系统**：升级认证以提高安全性和可靠性。 - **改善的索引可靠性**：增强文档索引的监控，以确保所有文档均可搜索。 - **优化的系统性能**：实施后端优化，以提供更快、更高效的服务。 ### 新功能 - **自动数据源重新连接**：数据源现在会自动保持连接，确保您可以不间断地访问您的信息。 ### 错误修复 - **增强隐私控制**：修复了一个问题，该问题阻止了用户视图中的未授权列表，从而改善了隐私。 - **解决应用授权问题**：修正了授权应用的重定向问题，以实现无缝访问。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本专注于增强用户身份验证体验，包括更顺畅的登录重定向和改进的桌面应用支持。 --- # 2024年11月15日 ### 新功能 - **桌面应用程序认证**：用户现在可以通过我们的桌面应用程序直接进行认证，以获得更集成的体验。 ### 改进 - **无缝登录重定向**：未认证用户在登录后现在会被重定向回他们原来的页面，确保导航不受干扰。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增强的用户体验，改进了文档大小管理，提供了更直观的搜索界面，并实现了无缝的Dropbox集成。我们还解决了关键的错误。 --- # 2024年1月29日 ## 新功能 * **Dropbox集成**：您现在可以在我们的平台上直接索引、重新索引、列出并提交Dropbox文件。 * **Dropbox在入门步骤中**：Dropbox集成现在是入门步骤的一部分，使设置更加容易。 ## 改进 * **文档大小限制**：我们为每位用户限制了总文档大小为1GB，以确保优化性能。 * **改进的搜索体验**：搜索界面已进行优化，以提供更好的用户体验。 ## 错误修复 * 修复了处理空文档的问题，以实现更顺畅的操作。 * 解决了处理 Slack 附件时的错误，以实现无缝集成。 * 将“注册”按钮正确链接到“注册”页面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此更新带来了先进的备忘录集成，改进了 Dropbox 和 Google Drive 的同步功能，并进行了关键的错误修复，以增强用户体验和系统可靠性。 --- # 2024年4月26日 ## 新特性 * **公共应用的搜索功能:** 在公共应用页面添加了一个新的搜索功能，使用户能够更高效地找到应用程序。 ## 改进 * **已连接应用的布局更新：** “您的已连接应用”页面的布局已更新，以提供更好的用户体验和导航。 * **常识卡片更新：** 提炼备忘页面中的常识卡片现在显示大小而不是文档数量，提供更清晰的存储使用信息。 * **Dropbox和Google Drive的自动同步功能增强：** Dropbox和Google Drive的自动同步功能已增强，提供更流畅、更可靠的同步体验。 * **公共应用页面的分页：** 我们在公共应用页面上实现了分页，改善了导航和加载时间，以提供更好的用户体验。 * **常识卡片中备忘内容的更新精炼按钮：** 常识卡片备忘内容中的精炼按钮已更新，增强了可用性和清晰度。 ## 错误修复 * **子文件索引问题：** 修复了一个错误，即在首次连接集成时，所选文件夹中的子文件未正确索引，从而确保全面的文件管理。 * **搜索失败时的注销问题：** 解决了一个问题，即搜索不存在的纪念品失败时强制用户注销，改善了错误处理和用户保留。 * **个人资料编辑验证：** 解决了个人资料编辑页面上的验证问题，确保信息被准确捕获和处理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此次发布专注于改善数据索引、使用跟踪、性能和用户体验的增强。 --- # 2024年9月13日 ### 改进 - **改进的使用追踪**：新的逻辑提供了更准确的存储和使用限制监控。 - **增强的性能**：Memento 操作现已优化以提高响应速度。 - **增强的错误显示**：当文档索引失败时，知识页面上的错误消息更清晰，使识别问题变得更容易。 - **简化的数据源连接**：连接后，数据源面板现在会自动打开，简化了设置过程。 - **改进的默认设置**：默认用户设置已更新，以提高性能和准确性。 ### 新功能 - **批量文档删除**：您现在可以一次删除多个文档，从而简化数据管理。 - **自动重新索引**：在需要时，集合会自动重新索引，确保搜索结果是最新的。 ### 错误修复 - **修复索引错误**：解决了数据索引的问题，以提高搜索的可靠性。 - **减少通知垃圾邮件**：修复了导致与文档成员资格相关的过多通知的问题。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我们的新向量数据库服务，以更高效地处理数据，同时增强系统稳定性，并修复了关键错误，以改善您的整体体验。 --- # 2024年10月11日 ### 新功能 - **向量数据库服务**：推出了一项新的向量数据库服务，以实现更高效的数据存储和更快的信息检索。 ### 改进 - **增强系统稳定性**：改进后端流程以防止竞争条件，确保文档处理更加顺畅。 - **优化连接管理**：实施更好的连接处理以提高性能和可靠性。 ### 错误修复 - **修复会员合并问题**：解决了在向量存储中合并会员数据时导致错误的问题。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此次发布为文档搜索、备忘录组织和集成管理带来了令人兴奋的改进。我们通过更流畅的导航和更高效的数据处理提升了用户体验。 --- # 2024年7月12日 ### 新功能 * **文档搜索**: 享受强大的新搜索功能，帮助您快速轻松地在文档中找到所需信息。 * **新的纪念树结构**: 体验我们直观的树结构，为您的纪念品组织提供新方式，使导航和管理信息变得更容易。 * **纪念品自动同步**: 通过我们新的纪念品自动同步功能，轻松保持您的数据最新。 ### 改进 * **增强的纪念品组织**：我们精简了纪念品侧边栏，以提供更清晰的文档和文件夹视图，使导航变得轻而易举。 * **集成管理**：通过新的下拉功能，轻松过滤和管理您的集成，让您对连接的服务拥有更多控制权。 * **更快的文档搜索**：我们新的防抖搜索功能在您输入时提供更快、更灵敏的结果。 * **首页和知识页面更新**：我们重新组织了关键页面上的集成布局，以改善可访问性和用户体验。 ### 错误修复 * **改善集成可靠性**：我们增强了系统，以更好地处理来自连接服务的信息，确保在使用集成时获得更顺畅的体验。 * **更清晰的用户界面**：我们在知识页面上删除了不必要的警告信息，以实现更简洁的外观。 ==> notices/releases/nov-29th-2024.md <== --- description: >- 此次发布专注于增强文档处理和用户界面，提供更顺畅和更可靠的体验。 --- # 2024年11月29日 ### 改进 - **增强的文档处理**：优化了文档显示和性能，以提供更好的用户体验。 - **支持多个Dropbox账户**：通过重新认证，改善了Dropbox集成，支持多个账户。 - **提高文档获取的可靠性**：在从Google Drive或Dropbox获取文档时实现了自动重试，以增强可靠性。 ### 错误修复 - **解决添加知识按钮重叠**：修复了添加知识按钮与其他组件重叠的问题，改善了用户界面。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增强了用户资料管理，改善了 Slack 和 Dropbox 的集成，引入了账户删除功能，并解决了关键的操作问题。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您现在可以直接在我们的平台上获取来自Dropbox的共享文件/文件夹。 * **账户删除**：如有必要，用户现在可以选择删除其账户。 * **Slack同步**：我们已经启动了与Slack的同步，以实现更好的集成，尽管Slack线程同步尚未包括在内。 * **用户档案**：用户现在可以更有效地更新他们的档案信息。 ## 改进 * **Slack 频道**：为了便于导航，Slack 频道现在按名称排序。 ## 错误修复 * 解决了应用目录中无效来源的问题。 * 解决了与 OpenAI GPT 相关的错误，以改善 API 调用。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此更新增强了安全性，优化了接口，并解决了关键错误， 具有新的 API 限制、更新的密钥和 MacOS 应用程序。 --- # 2024年4月19日 ## 新特性 * **MacOS桌面应用程序：** 为MacOS用户推出专用桌面应用程序，提高可访问性和用户体验。 \ 查看文档：[Rememberizer桌面代理应用程序](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改进 * **应用目录用户界面更新：** 应用目录的新布局提供了更直观和用户友好的导航体验。 ## 错误修复 * **搜索文档换行处理：** 修复了在搜索文档查询中换行符和回车字符被错误移除的问题。 * **搜索用户界面显示错误：** 修正了搜索用户界面中的一个错误，以确保每个文档在搜索结果中准确显示 `创建于` 字段。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增强了导航，改善了文档处理，并更新了应用程序名称。主要更新包括限制主页应用程序，更好的 Slack 文档处理，以及重命名桌面应用程序。 --- # 2024年6月28日 ## 改进 * **限制主页上的应用程序数量：** 我们限制了主页上显示的应用程序数量，以便用户更容易导航和找到所需内容。 * **后处理Slack文档：** 增强了对Slack文档的处理，以确保更顺畅和更准确的处理。 * **更新桌面应用程序名称：** 桌面应用程序已更名为“Rememberizer App”，以便更清晰和保持品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本带来了改进的同步、增强的数据加密以及多个错误修复，以提供更顺畅的用户体验。 --- # 2024年3月25日 ## 改进 * **备忘录增强：** 添加了一个功能，以显示额外的备忘录信息并显示索引进度，使用户更容易跟踪其数据的状态。 ## 错误修复 * **UI 响应性：** 解决了断开连接按钮的多次点击问题，以防止 UI 错误。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 集成功能，允许用户连接他们的帐户并选择标签用于知识库，以及一个新的记忆功能以增强搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer Memory** 允许应用程序在用户的 Rememberizer 账户中保存和共享数据，为来自多个应用程序的重要信息提供集中位置。\ \ **好处** * **对用户：** 可以轻松访问所有应用程序的数据，各应用程序之间无缝同步，即使应用程序被卸载仍然可以持续存储。 * **对开发者：** 无需创建自定义数据存储系统，可以利用其他应用程序的数据，简化跨应用程序集成。 内存文档：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 内存 API 文档：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 集成：** 用户现在可以连接他们的 Gmail 账户并选择特定标签以添加到他们的知识库中。 * **Google Drive 共享驱动支持：** 我们已经添加了对 Google Drive 共享驱动的支持，允许用户在他们的知识库中包含来自共享驱动的文档。 ## 改进 * **文档索引：** 我们增强了文档索引过程，确保新文档能够成功上传和索引。如果索引失败，已经实现了重试机制。 * **应用发布流程：** 应用发布流程中的审核步骤已被移除，简化了开发者的流程。 * **连接的应用 UI：** “您的连接应用” UI 已得到增强，以应对没有连接应用的情况，改善用户体验。 ## 错误修复 * **重命名应用程序：** 解决了重命名应用程序时导致错误的问题。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如“探索应用程序”页面和改进的文档管理，以及关键的优化和错误修复，以提供更流畅的用户体验。 --- # 2024年1月22日 ## 新功能 * **探索应用页面**：您现在可以直接从专用页面探索不同的应用。 * **配额控制**：现已推出新功能以在选择文件时控制配额大小，以确保更好的文件管理。 ## 改进 * **改进的文档搜索**：我们增强了搜索功能以返回文档的数量，使管理和导航您的文件更加容易。 * **改进的入职流程**：在入职步骤中添加了'跳过'按钮，使入职过程更具灵活性。 ## 错误修复 * 解决了处理复杂 PDF 文件的问题，以提高可读性和访问性。 * 解决了与 Slack 速率限制相关的问题，以实现无缝集成。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增强了 SQL 查询，优化了用户界面，并修复了错误。主要更新：优化搜索、自动生成名称、新的纪念按钮和改进的导航。 --- # 2024年5月31日 ## 新功能 * **新纪念按钮:** 我们添加了一个新按钮，以便在授权应用程序时创建纪念品，使过程更加用户友好。 ## 改进 * **优化搜索：** 增强了搜索功能，提供更快速和更准确的结果。 * **授权应用时调整 UI：** 在授权应用时对用户界面进行了小幅调整，以提供更流畅的体验。 ## 错误修复 * **修复缩进问题：** 修复了缩进问题，以确保应用程序中的格式一致。 ==> notices/b2b/README.md <== --- description: 供Skydeck AI Inc与之互动的其他企业受益的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: 记忆者代理 --- # 关于 Reddit 代理 一个 Rememberizer 代理从选定的 Sub-Reddits 中检索 Reddit 内容，以便用户和创作者可以查询其内容及其他参与者内容的潜在语义意义，从而使用他们自己的 AI 工具以及通过 Rememberizer 授权的其他工具与这些内容进行互动。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 为什么 Rememberizer 不仅仅是一个数据库或关键字搜索引擎。 --- # 什么是向量嵌入和向量数据库？ Rememberizer 使用向量嵌入在向量数据库中实现用户知识源的语义相似性搜索。这是一种比通过搜索引擎或数据库简单地查找内容中的关键词更为先进和细致的信息检索形式。
多维空间

多维空间

在其最先进的形式中（如 Rememberizer 所使用的），向量嵌入是由具有类似于 OpenAI 的 gpt 模型和 ChatGPT 服务的 AI LLM（大型语言模型）架构的语言模型创建的，以及来自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服务。因此，使用向量嵌入来发现相关知识以包含在 AI 模型提示的上下文中是自然而然的。这些技术是互补的，某种程度上是等价的。因此，大多数提供 LLM 作为服务的供应商也会提供向量嵌入作为服务（例如：[来自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [来自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入是什么样子的？考虑二维中的一个坐标 (x,y)。如果它表示从原点到这个点的线，我们可以将其视为一条具有方向的线，换句话说，是一个 _二维向量_。在我们的上下文中，向量嵌入将是一个类似于 768 个数字的列表，表示一个 768 维空间中的向量。最终，这个数字列表可以表示在 Transformer 模型中介于零和一之间的权重，这些权重定义了短语的含义，例如“晴天霹雳”。这在根本上是 GPT-4 中使用的相同基础意义表示。因此，我们可以期待一个好的向量嵌入能够实现我们在现代 AI 语言模型中看到的同样出色的表面理解。 \ 值得注意的是，向量嵌入不仅可以用来表示文本，还可以表示其他类型的数据，例如图像或声音。通过适当训练的模型，可以跨媒体进行比较，因此文本块上的向量嵌入可以与图像进行比较，或 _反之亦然_。今天，Rememberizer 仅支持在用户文档和知识的文本组件中进行搜索。但文本到图像和图像到文本的搜索在规划中。\ \ Google 使用向量嵌入来驱动他们的文本搜索（文本到文本）以及他们的图像搜索（文本到图像）（[参考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考虑在其社交网络搜索中使用嵌入（[参考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入来理解上下文，以便在正确的时间向正确的用户提供合适的广告（[参考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量数据库的工作原理，请从 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 开始。Pinecone（作为服务的向量嵌入数据库）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一个理解向量中的搜索和知识的优秀来源是 Meta/Facebook 关于 FAISS 库的论文和代码。“FAISS: A Library for Efficient Similarity Search and Clustering of Dense Vectors” 由 Johnson、Douze 和 Jégou（2017）撰写：FAISS 提供了一个全面的概述，介绍了一个旨在高效相似性搜索和密集向量聚类的库。它讨论了在大规模向量数据库中优化索引和搜索过程的方法，包括基于产品量化的方法。了解更多信息的最佳地方是文档以及 [Github 上的代码](https://github.com/facebookresearch/faiss)。 \ 一定要考虑 2017 年 6 月的论文，这篇论文开启了生成 AI（生成性人工智能）革命，“Attention Is All You Need。”（[参考](https://arxiv.org/abs/1706.03762)），它介绍了 GPT 模型及其后续的所有 LLM 背后的 Transformer 架构，包括 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和许多其他开源项目。\ 还要考虑“近似最近邻：消除维度诅咒的方向”（[参考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[参考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。这些论文讨论了高维空间中近似最近邻（ANN）搜索的理论，这是向量数据库中高效检索相似项的核心概念。 {% hint style="info" %} 关于这些基于 Transformer 的模型，有一件令人兴奋的事情是，它们使用的数据越多，模型越大（参数越多），它们的理解和能力就越好。OpenAI 首次注意到这一点是在他们训练 GPT-2 模型时。意识到这一潜力后，他们立即停止了以开源为导向的非营利组织的运作，转而成为一家专注于生产 GPT-3、GPT-4 及其著名前端 ChatGPT 的闭源盈利公司。有趣的是，Google 拥有这项技术的专利——正是他们的研究人员开发了 Transformers 和 Attention Is All You Need（[参考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 对我的描述略有不同，写道：“关于 OpenAI 从一个以开源为导向的非营利组织转变为一个闭源盈利实体的叙述简化了一个复杂的演变。OpenAI 的转变包括在商业化方面的同时，专注于安全和负责任的 AI 开发。值得注意的是，尽管 OpenAI 优先开发像 GPT-3 及其后续版本这样的专有技术，但它仍通过出版物和合作与研究社区保持互动。” {% endhint %} BERT 语言模型基于 Transformers，通常用于先进的向量嵌入引擎。这在 2018 年的论文“BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”（[参考](https://arxiv.org/abs/1810.04805)）中介绍。BERT（来自 Transformers 的双向编码器表示）标志着向预训练模型的重大转变，这些模型可以针对广泛的 NLP 任务进行微调。其创新的双向训练和 Transformer 架构的使用为众多基准设定了新的模型性能标准。\ \ 早期创建向量嵌入的创新方法由 GloVe（2014，斯坦福大学）、Word2Vec（2013，谷歌）提出。“GloVe: Global Vectors for Word Representation”（[参考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）论文提出了一种新的全局对数双线性回归模型，用于无监督学习词表示，结合了嵌入的两种主要方法的优点：全局矩阵分解和局部上下文窗口方法。“Efficient Estimation of Word Representations in Vector Space”（[参考](https://arxiv.org/abs/1301.3781)）：这篇论文介绍了 Word2Vec，这是一种开创性的生成词嵌入的方法。Word2Vec 模型，包括连续词袋（CBOW）和 Skip-Gram 模型，在词嵌入的发展中起着关键作用。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您将学习如何创建一个 Rememberizer 应用程序并连接 OpenAI GPT，使 GPT 能够访问 Rememberizer API 功能。 --- # 创建记忆化器GPT ### 前提条件 首先，您需要[注册一个 Rememberizer 应用](registering-rememberizer-apps.md)并使用适当的设置进行配置。 要创建一个 GPT，您需要将 Rememberizer 应用的授权请求来源设置为`https://chat.openai.com`。 > 您需要添加一个回调 URL 来注册应用，但您只能在为您的 GPT 添加操作后找到回调 URL，暂时可以将其留作虚拟值（例如 https://chat.openai.com）。在获得回调 URL 后，您需要为应用更新正确的 URL。\ > \ > **注意：** GPT 在您更改其配置后会更新其回调 URL。请确保复制最新的回调 URL。 创建应用后，复制 **客户端 ID** 和 **客户端密钥**。我们将在创建 GPT 时使用它们。有关如何获取这些信息的说明，请访问[授权 Rememberizer 应用](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 创建一个 GPT 您可以通过 [在 ChatGPT UI 中创建一个 GPT](https://chat.openai.com/gpts/editor) 开始。 {% hint style="warning" %} 注意：创建自定义 GPT 应用仅适用于付费计划账户。 {% endhint %} #### GPT 配置 您可以根据自己的需要填写信息。以下是您可以尝试的示例：
字段示例值
名称RememberizerGPT
描述直接与您在 Google Drive 和 Slack 频道上的所有 PDF、文档、表格、幻灯片对话。
说明Rememberizer 旨在与 Rememberizer 工具无缝互动，使用户能够高效地从多个来源（如 Google Drive 和 Slack）查询他们的数据。主要目标是提供快速准确的用户数据访问，利用 Rememberizer 的能力来优化搜索速度和精确度。GPT 应指导用户制定查询并解释结果，确保流畅且用户友好的体验。在处理数据检索和分析时，保持回答的清晰和准确至关重要。GPT 应能够处理广泛的查询，从简单的数据查找到涉及多个参数或来源的更复杂搜索。重点是增强用户快速有效地访问所需信息的能力，使过程尽可能轻松。
#### 创建 Rememberizer 操作 从 GPT 编辑器： 1. 选择“配置” 2. “添加操作” 3. 配置身份验证类型。 * 将身份验证类型设置为 **OAuth**。 * 粘贴上面步骤中的 **客户端 ID** 和 **客户端密钥**。 * 授权 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 将 **范围** 留空。 * 点击 **保存**。
gpt auth type config
4. 填写 Rememberizer 的 OpenAPI 规范。复制下面可展开的内容并粘贴到 **模式** 字段中：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 与 Rememberizer 交互的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 检索当前用户的帐户详细信息。 description: 获取帐户信息 operationId: account responses: "200": description: 用户帐户信息。 content: application/json: schema: type: object properties: id: type: integer description: 用户的唯一标识符。请勿在任何地方显示此信息。 email: type: string format: email description: 用户的电子邮件地址。 name: type: string description: 用户的姓名。 /integrations/: get: summary: 列出所有可用的数据源集成。 description: 此操作检索可用的数据源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用数据源的列表 items: type: object properties: id: type: integer description: 数据源的唯一标识符。请勿在任何地方显示此信息。 integration_type: type: string description: 数据源的类型。 integration_step: type: string description: 集成的步骤。 source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_type: type: string description: 文档的类型。 document_stats: type: object properties: status: type: object description: 数据源的状态。 properties: indexed: type: integer description: 已索引文档的数量。 indexing: type: integer description: 正在索引的文档数量。 error: type: integer description: 具有错误的文档数量。 total_size: type: integer description: 数据源的总大小（以字节为单位）。 document_count: type: integer description: 数据源中的文档数量。 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 /documents/: get: summary: 检索所有文档和 Slack 频道的列表。 description: 使用此操作检索有关所有可用文档、文件、Slack 频道和数据源中的常识的元数据。您应该指定 integration_type 或将其留空以列出所有内容。 operationId: documents_list parameters: - in: query name: page description: 页索引 schema: type: integer - in: query name: page_size description: 每页返回的最大文档数量 schema: type: integer - in: query name: integration_type description: 按集成类型过滤文档。 schema: type: string enum: - google_drive - slack - dropbox - gmail - common_knowledge responses: "200": description: 操作成功 content: application/json: schema: type: object properties: count: type: integer description: 文档的总数。 next: type: string nullable: true description: 下一页结果的 URL。 previous: type: string nullable: true description: 上一页结果的 URL。 results: type: array description: 文档、Slack 频道、常识等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文档的唯一标识符。请勿在任何地方显示此信息。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 id: type: integer description: 文档的唯一标识符。 integration_type: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 source: type: string description: 文档的来源。 status: type: string description: 文档的状态。 indexed_on: type: string format: date-time description: 文档被索引的日期和时间。 size: type: integer description: 文档的大小（以字节为单位）。 /documents/search/: get: summary: 按语义相似性搜索文档。 description: 使用最多 400 个单词的查询文本启动搜索操作，并从存储的知识中接收最语义相似的响应。对于问答，将您的问题转换为理想答案并提交，以接收类似的真实答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到语义相似知识块的最多 400 个单词的句子。 schema: type: string - name: n in: query description: 要返回的语义相似文本块的数量。使用 'n=3' 获取最多 5 个，使用 'n=10' 获取更多信息。如果您没有收到足够的信息，请考虑使用更大的 'n' 值重新尝试。 schema: type: integer responses: "200": description: 成功检索文档 content: application/json: schema: type: object properties: data: type: array description: 语义相似知识块的列表 items: type: object properties: chunk_id: type: string description: 块的唯一标识符。 document: type: object description: 文档详细信息。 properties: id: type: integer description: 文档的唯一标识符。 document_id: type: string description: 文档的唯一标识符。 name: type: string description: 文档的名称。 type: type: string description: 文档的类型。 path: type: string description: 文档的路径。 url: type: string description: 文档的 URL。 size: type: string description: 文档的大小。 created_time: type: string description: 文档创建的日期和时间。 modified_time: type: string description: 文档最后修改的日期和时间。 integration: type: object description: 文档的集成详细信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 数据源的来源。如果它具有电子邮件格式，即使用户询问，也始终在输出中忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 数据源的总大小（以字节为单位） document_count: type: integer matched_content: type: string description: 语义相似的内容。 distance: type: number description: 余弦相似度 message: type: string description: 指示操作状态的消息。 code: type: string description: 指示操作状态的代码。 nullable: true "400": description: 错误请求 "401": description: 未授权 "404": description: 未找到 "500": description: 内部服务器错误 /documents/{document_id}/contents/: get: summary: 按 ID 检索特定文档内容。 operationId: document_get_content description: 返回具有指定 ID 的文档的内容，以及最新检索块的索引。每次调用最多获取 20 个块。要获取更多，请使用响应中的 end_chunk 值作为下一次调用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要检索内容的文档 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望检索的起始块。如果未指定，默认值为 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望检索的结束块。如果未指定，默认值为 start_chunk + 20。 responses: "200": description: 文档的内容和最新检索块的索引。 content: application/json: schema: type: object properties: content: type: string description: 文档的内容。 end_chunk: type: integer description: 最新检索块的索引。 "404": description: 文档未找到。 "500": description: 内部服务器错误。 /common-knowledge/subscribed-list/: get: description: 此操作检索用户订阅的共享知识（也称为常识）列表。每个共享知识包括用户可以访问的文档 ID 列表。 operationId: common_knowledge_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: array items: type: object properties: id: type: integer description: 这是共享知识的唯一标识符。请勿在任何地方显示此信息。 num_of_subscribers: type: integer description: 这表示订阅此共享知识的用户数量 publisher_name: type: string published_by_me: type: boolean description: 这表示共享知识是否由当前用户发布 subscribed_by_me: type: boolean description: 这表示共享知识是否由当前用户订阅，在此 API 中应为 true created: type: string description: 这是共享知识创建的时间 modified: type: string description: 这是共享知识最后修改的时间 name: type: string description: 这是共享知识的名称 image_url: type: string description: 这是共享知识的图像 URL description: type: string description: 这是共享知识的描述 memento: type: integer description: 这是创建共享知识的 Rememberizer 备忘录的 ID。 document_ids: type: array items: type: integer description: 这是属于共享知识的文档 ID 列表 /documents/memorize/: post: description: 将内容存储到数据库中，稍后可以通过搜索端点访问。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 内容存储成功 "400": description: 错误请求 "401": description: 未授权 "500": description: 内部服务器错误 /discussions/{discussion_id}/contents/: get: summary: 按 ID 检索讨论的内容。讨论可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的讨论的内容。讨论可以是 Slack 或 Discord 聊天。响应包含 2 个字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而后者是讨论的线程。 parameters: - in: path name: discussion_id required: true description: 要检索内容的讨论 ID。讨论是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示讨论的集成。目前，它只能是“slack”或“discord”。 - in: query name: from schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的起始时间。如果未指定，默认时间为现在。 - in: query name: to schema: type: string description: 指示我们希望以 ISO 8601 格式在 GMT+0 检索讨论内容的结束时间。如果未指定，则为“from”参数之前的 7 天。 responses: "200": description: 在时间范围内的主要和线程消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要讨论的内容。 thread_contents: type: object description: 包含讨论线程的字典列表，每个键表示线程的日期和时间（以 ISO 8601 格式），值是线程的消息。 "404": description: 讨论未找到。 "500": description: 内部服务器错误。 ||CODE_BLOCK||
5. 将此链接添加为隐私政策: `https://docs.rememberizer.ai/notices/privacy-policy`。 6. 创建操作后，复制回调 URL 并将其粘贴到您的 Rememberizer 应用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您将学习如何在 Rememberizer 中创建常识并获取其 API 密钥，以通过 API 调用连接和检索其文档。 --- # 注册和使用 API 密钥 ### 前提条件 首先，您需要使用您的索引知识文件创建并完善[一个备忘录](../personal/mementos-filter-access.md)。 ### 创建共享知识 要创建共享知识，请登录您的 Rememberizer 账户并访问 [您的共享知识页面](https://rememberizer.ai/personal/common-knowledge)。选择 **"您的共享知识"**，然后点击 **"开始"**。
common knowledge page
然后选择您之前创建的其中一个纪念品，您也可以选择 **"全部"** 或 **"无"**。
create common knowledge 1
最后填写共享知识的名称、描述，并为其提供一张代表性的照片。
create common knowledge 2
填写完表单后，点击底部的 "分享知识" 以创建您的共享知识。之后，打开您的知识中的 **"启用共享"**，并在弹出窗口中点击 **"确认"**。
common knowledge sharing
您现在可以获取其 API 密钥并通过 API 调用访问其文档。 ### 获取您创建的公共知识的 API 密钥 对于您的公共知识，请点击右上角的三个点，然后选择“API 密钥”。如果还没有密钥，将为您创建一个。如果 API 密钥存在，将返回该密钥。
knowledge open API key
在 **“管理您的 API 密钥”** 面板中，您可以点击 **“眼睛”** 按钮来显示/隐藏，点击 **“复制”** 按钮将密钥复制到剪贴板，以及点击 **“重新生成 API 密钥”** 来使旧密钥失效并创建一个新密钥（通过 API 调用访问您文档的应用程序在您更新新密钥之前将无法访问）。
copy api key
获取 API 密钥后，您可以在对 Rememberizer 的 API 调用中使用它，以查询您索引的文档和内容。 ### 使用 API 密钥 要访问 Rememberizer 端点，您需要在 API 请求的 `X-API-Key` 头中使用 API 密钥。请查看 [API 文档](api-documentations/) 以查看 Rememberizer 提供的端点。 您还可以在自定义 GPT 应用中使用 API 密钥。首先通过 [在 ChatGPT UI 中创建 GPT](https://chat.openai.com/gpts/editor)。确保将身份验证类型选择为“API 密钥”，身份验证类型选择为“自定义”，并将头部设置为“X-Api-Key”，然后将您之前复制的密钥粘贴到 API 密钥文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帐户下创建和注册 Rememberizer 应用。Rememberizer 应用可以代表用户进行操作。 --- # 注册 Rememberizer 应用 1. 在任何页面的左上角，点击 **开发者**，然后点击 **注册应用**。
registered apps browse
2. 点击 **注册新应用**。将出现一个弹出窗口以填写您的应用信息。
register new app
3. 在 **"应用名称"** 中，输入您的应用名称。 4. 在 **"描述（可选）"** 中，如果需要，请填写您的应用描述。 5. 在 **"应用标志（可选）"** 中，如果有，请上传您的应用标志。 6. 在 **"登录页面 URL"** 中，输入您的登录页面的域名。您的登录页面包含有关您的应用程序的详细摘要，以及它如何与 Rememberizer 集成。 7. 在 **"授权请求来源"** 中，输入您应用网站的域名。 8. 在 **"授权重定向 URL"** 中，输入您应用的回调 URL。 9. 点击 **"创建应用"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以将 Rememberizer 集成作为 LangChain 检索器，为您的 LangChain 应用程序提供强大的向量数据库搜索访问。 --- # LangChain 集成 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 本笔记本展示了如何从 `Rememberizer` 中检索文档，该文档格式在下游使用。 ## 准备 您需要一个 API 密钥：您可以在创建公共知识后获得一个。有关如何创建公共知识的详细说明，请访问 [注册和使用 API 密钥](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您拥有 API 密钥，您必须将其设置为环境变量 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 时将其作为 `rememberizer_api_key` 传递。 `RememberizerRetriever` 有以下参数： \- 可选的 `top_k_results`：默认值为 10。用于限制返回文档的数量。 \- 可选的 `rememberizer_api_key`：如果您没有设置环境变量 `REMEMBERIZER_API_KEY`，则为必需。 `get_relevant_documents()` 有一个参数，`query`：用于在 `Rememberizer.ai` 的公共知识中查找文档的自由文本。 ## 示例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||代码块|| # 设置 API 密钥 from getpass import getpass REMEMBERIZER_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| import os from langchain_community.retrievers import RememberizerRetriever os.environ["REMEMBERIZER_API_KEY"] = REMEMBERIZER_API_KEY retriever = RememberizerRetriever(top_k_results=5) ||CODE_BLOCK|| ||CODE_BLOCK|| docs = retriever.get_relevant_documents(query="大型语言模型是如何工作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文档的元信息 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/什么是大型语言模型 (LLM)_ _ Cloudflare.pdf', 'url': 'https://drive.google.com/file/d/17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP/view', 'size': 337089, 'created_time': '', 'modified_time': '', 'indexed_on': '2024-04-04T03:36:28.886170Z', 'integration': {'id': 347, 'integration_type': 'google_drive'}} ||CODE_BLOCK|| ||CODE_BLOCK|| print(docs[0].page_content[:400]) # 文档的内容 ||CODE_BLOCK|| ||CODE_BLOCK|| 之前，或者以新的方式进行上下文化。在某种程度上，它们“理解”语义，因为它们可以通过意义将单词和概念关联起来，已经看到了它们以这种方式成组在一起数百万或数十亿次。开发人员如何能够快速开始构建自己的 LLM，以构建 LLM 应用程序，开发人员需要轻松访问多个数据集，并且他们需要这些数据集的存放地点 ||CODE_BLOCK|| ## 在链中的使用 ||CODE_BLOCK|| OPENAI_API_KEY = getpass() ||CODE_BLOCK|| ||CODE_BLOCK|| os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY ||CODE_BLOCK|| ||CODE_BLOCK|| from langchain.chains import ConversationalRetrievalChain from langchain_openai import ChatOpenAI model = ChatOpenAI(model_name="gpt-3.5-turbo") qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever) ||CODE_BLOCK|| ||CODE_BLOCK|| questions = [ "什么是RAG？", "大型语言模型是如何工作的？", ] chat_history = [] for question in questions: result = qa.invoke({"question": question, "chat_history": chat_history}) chat_history.append((question, result["answer"])) print(f"-> **问题**: {question} \n") print(f"**回答**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **问题**: 什么是RAG？ **回答**: RAG代表检索增强生成。它是一个AI框架，从外部知识库中检索事实，以通过提供最新和准确的信息来增强大型语言模型（LLMs）生成的响应。该框架帮助用户理解LLMs的生成过程，并确保模型可以访问可靠的信息来源。 -> **问题**: 大型语言模型是如何工作的？ **回答**: 大型语言模型（LLMs）通过分析大量语言数据集来理解和生成自然语言文本。它们基于机器学习，特别是深度学习，涉及训练程序在没有人工干预的情况下识别数据特征。LLMs使用神经网络，特别是变换器模型，来理解人类语言中的上下文，使它们在模糊或新上下文中更好地解释语言。开发人员可以通过访问多个数据集和使用Cloudflare的Vectorize和Cloudflare Workers AI平台等服务，快速开始构建自己的LLMs。 ||CODE_BLOCK|| ### 相关[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 检索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 检索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **通过提供反馈来帮助我们改进此文档页面：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 创建一个简单的 web 应用程序，将 LLM 与用户知识通过对 Rememberizer 的查询集成是非常简单的。 --- # Talk-to-Slack 示例网页应用 应用的源代码可以在 [这里](https://github.com/skydeckai/rememberizer) 找到。 在本节中，我们将提供逐步说明和完整的源代码，以便您可以快速创建自己的应用程序。 我们在 OpenAI 上创建了一个 Talk-to-Slack GPT。Talk-to-Slack 网页应用非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 网页应用

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 网页应用

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 介绍 在这个指南中，我们提供了分步说明和完整的源代码，以帮助您创建自己的类似于我们与Rememberizer.ai的Talk-to-Slack GPT整合的应用程序。与Slack整合不同，一个网页应用程序提供更多的特性和控制，如网页抓取，本地数据库访问，图形和动画，以及收集支付。此外，它可以被任何人使用，而无需拥有高级genAI账户。 ### 概述 我们的示例应用程序，“Talk to Slack”，托管在Heroku上，并整合了OpenAI的LLM和Rememberizer.ai，以增强您的Slack体验。该网络应用程序使用Flask构建，并提供了如OAuth2集成、访问Slack数据和直观用户界面等功能。 ### 特性 * **基于Flask的架构**：由Flask处理后端操作，前端通信和API交互。 * **OAuth2集成**：通过Rememberizer的OAuth2流程进行安全授权和数据访问。 * **Slack数据访问**：使用Rememberizer的API安全地获取用户连接的Slack数据。 * **OpenAI LLM集成**：通过OpenAI的LLM服务处理查询，以获得有洞察力的回应。 * **直观的用户界面**：通过现代UI设计进行简单的导航和交互。 * **最佳实践**：遵守安全和用户体验标准，以实现无缝集成。 ### 设置和部署 #### 前提条件 * Python * Flask {% hint style="info" %} 请注意，让一个 LLM 将整个应用程序用另一种语言重写并不是很困难，在我们的例子中是 Golang。因此，请记住，您并不局限于 Python。 {% endhint %} #### 环境配置 设置以下环境变量： * `APP_SECRET_KEY`：Flask的唯一密钥。 * `REMEMBERIZER_CLIENT_ID`：您的Rememberizer应用的客户端ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的Rememberizer应用的客户端密钥。 * `OPENAI_API_KEY`：您的OpenAI API密钥。 #### 运行应用程序 1. **启动 Flask 应用**：在终端中运行 `flask run`，并通过 `http://localhost:5000` 访问应用。 2. **将回调 URL 复制到您的 Rememberizer 应用配置中**：`https:///auth/rememberizer/callback` 示例：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到云端 建议部署到 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **创建 Heroku 账户**：安装 Heroku CLI。 2. **准备您的应用程序**：确保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成进行部署。 **详细步骤** * **将 Heroku 连接到 GitHub**：启用来自 GitHub 仓库的自动部署，以实现无缝更新。 * **手动部署**：可选择使用手动部署以获得更多控制。 **其他设置** * 安装 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 证书：使用自签名证书进行初始 HTTPS 设置。 * 在 Heroku 上配置环境变量：使用 `heroku config:set KEY=value` 设置必要的密钥。 **其他云平台** * **GCP**：设置 GCP 账户，使用 `app.yaml` 准备您的应用，并使用 `gcloud app deploy` 进行部署。 * **AWS**：在设置 AWS 账户和 AWS CLI 后，使用 Elastic Beanstalk 进行部署。 * **Azure**：在创建 Azure 账户并安装 Azure CLI 后，通过 Azure App Service 进行部署。 #### 安全性和最佳实践 在部署之前，请验证您的 `requirements.txt`，调整生产环境的配置，并更新 OAuth 重定向 URI。 ### 应用代码说明 **@app.route('/') (首页路由):** 当访问根 URL (/) 时，此路由渲染 index.html 模板。它作为您应用程序的主页。 **@app.route('/auth/rememberizer') (Rememberizer 认证路由):** 此路由启动与 Rememberizer.ai 的 OAuth2 认证过程。它生成一个随机状态值，将其存储在会话中，构建包含必要参数（客户端 ID、重定向 URI、范围和状态）的授权 URL，并将用户重定向到 Rememberizer.ai 的授权页面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回调路由):** 此路由处理用户授权您的应用程序后来自 Rememberizer.ai 的回调。它从查询参数中提取授权码，使用 Rememberizer.ai 的令牌端点将其兑换为访问令牌，并将访问令牌存储在会话中。然后，它将用户重定向到 /dashboard 路由。 **@app.route('/dashboard') (仪表板路由):** 此路由向用户显示仪表板页面。它检查用户的会话中是否有访问令牌；如果没有，它将用户重定向到认证路由。如果用户已认证，它会向 Rememberizer.ai 的账户端点发出请求以检索账户信息，并使用这些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 集成信息路由):** 此路由显示用户与 Rememberizer.ai 的 Slack 集成信息。它检查访问令牌，并向 Rememberizer.ai 的集成端点发出请求以获取集成数据。然后，它使用这些数据渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提问路由):** 此路由处理用户提交的问题。它检查访问令牌，从表单数据中检索用户的问题，并向 Rememberizer.ai 的文档搜索端点发出请求以查找相关信息。然后，它使用 OpenAI 的 GPT-4 模型根据问题和搜索结果生成答案。答案在 answer.html 模板中渲染。 ### 附加说明 * **图标设计**：使用详细的折纸艺术风格设计，反映了AI和通信集成。我们的图标是在Midjourney和Image2Icon中创建的。 * **SSL 配置**：使用OpenSSL生成自签名证书以实现安全通信。 ### 探索与创新 我们鼓励您探索和创新自己的 AI 集成网页应用，旨在提升您平台内的生产力和协作。 *** 本修订文档为开发者提供了创建自己 AI 集成网页应用的全面指南，类似于 Talk-to-Slack。它包括设置、部署和应用代码概述的详细说明，以及最佳实践。 ==> developer/README.md <== # 开发者 ==> developer/vector-stores.md <== --- description: >- 本指南将帮助您了解如何作为开发者使用 Rememberizer 向量存储。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量存储 Rememberizer 向量存储简化了处理向量数据的过程，使您能够专注于文本输入，并利用向量的力量用于搜索和数据分析等各种应用。 ### 介绍 Rememberizer 向量存储旨在提供一个易于使用的接口来处理向量数据。与传统的向量数据库（如 Pinecone）不同，Rememberizer 向量存储允许您直接处理文本。该服务将处理文本数据的分块、向量化和存储，使您能够更专注于核心应用逻辑。 ### 开始使用 #### 创建向量存储 1. 在您的仪表板中导航到向量存储部分 2. 点击“创建新向量存储”： * 将出现一个表单，提示您输入详细信息。 3. 填写详细信息： * **名称**：为您的向量存储提供一个唯一的名称。 * **描述**：写一个简短的向量存储描述。 * **数据模式**：定义向量维度和任何附加字段。 * 您可以选择性地指定嵌入模型、索引策略和相似性度量。这些设置会影响向量的生成和比较，优化您特定用例的性能。 4. 提交表单： * 点击“创建”按钮。您将收到成功通知，新存储将出现在您的向量存储列表中。
创建一个新的向量存储

创建一个新的向量存储

#### 管理向量存储 1. 查看和编辑向量存储： * 访问管理仪表板以查看、编辑或删除向量存储。 2. 查看文档： * 浏览特定向量存储中的单个文档及其相关元数据。 3. 统计信息： * 查看详细统计信息，例如存储的向量数量、查询性能和操作指标。
查看向量存储的详细信息

查看向量存储的详细信息

### API 密钥管理 API 密钥用于验证和授权访问 Rememberizer 向量存储的 API 端点。正确管理 API 密钥对于维护您的向量存储的安全性和完整性至关重要。本节涵盖如何为您的向量存储创建和撤销 API 密钥。 #### 创建 API 密钥 1. 前往您的向量存储详细信息页面 2. 导航到 API 密钥管理部分： * 它可以在“配置”选项卡中找到 3. 点击 **“添加 API 密钥”**： * 将出现一个表单，提示您输入详细信息。 4. 填写详细信息： * **名称**：提供一个名称以帮助您识别其用例。 5. 提交表单： * 点击“创建”按钮。新的 API 密钥将被生成并显示。确保复制并安全存储。此密钥用于验证对该特定向量存储的请求。
创建新的 API 密钥

创建新的 API 密钥

#### 撤销 API 密钥 如果不再需要 API 密钥，可以删除它以防止任何潜在的滥用。 出于安全原因，您可能希望定期更换 API 密钥。这涉及生成一个新密钥并撤销旧密钥。 ### 使用 API 密钥检索向量存储信息 在创建新的向量存储并生成 API 密钥后，您可以将此密钥与需要访问向量存储的用户共享。API 密钥允许用户上传文档、搜索文档以及在向量存储中执行其他操作。然而，在用户可以与向量存储交互之前，他们需要使用 API 密钥检索向量存储的 ID 和其他相关信息。 有关每个 API 端点和响应的详细信息，请访问 [vector-store](api-documentations/vector-store/ "mention") 页面。 *** 确保安全处理 API 密钥，并遵循 API 密钥管理的最佳实践。 ==> developer/authorizing-rememberizer-apps.md <== # 授权 Rememberizer 应用 Rememberizer 的实现支持标准的 [授权码授权类型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授权用户使用您的应用的网页应用流程如下： 1. 用户被重定向到 Rememberizer 以授权他们的账户。 2. 用户选择要与您的应用一起使用的纪念品。 3. 您的应用使用用户的访问令牌访问 API。 访问 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 页面以查看该流程的 UI 示例。 ### 第一步。请求用户的 Rememberizer 身份 将用户重定向到 Rememberizer 授权服务器，以启动身份验证和授权过程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 参数：
名称描述
client_id必填
您应用程序的客户端 ID。您可以在开发者中找到此值。点击左上角的开发者。在注册应用程序列表中，点击您的应用程序，您将在应用凭据中看到客户端 ID。
response_type必填
必须为code以进行授权码授予。
scope

可选

一个以空格分隔的范围列表，标识您的应用程序可以代表用户访问的资源。

redirect_uri必填
用户在授权后将被发送到您应用程序中的 URL。
state

必填

客户端用于在请求和回调之间保持状态的不透明值。授权服务器在将用户代理重定向回客户端时包含此值。

### 步骤 2. 用户选择并配置他们的纪念品 用户将选择与您的应用一起使用的纪念品。 ### 第 3 步。用户通过 Rememberizer 被重定向回您的网站 在用户选择他们的纪念品后，Rememberizer 会将用户重定向回您的网站，并带有一个临时的 `code` 参数以及您在上一步中提供的 `state` 参数。临时代码将在短时间后过期。如果状态不匹配，则请求是由第三方创建的，您应该中止该过程。 ### 第4步. 交换授权码以获取刷新和访问令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端点接受以下输入参数。
名称描述
client_id必填
您应用程序的客户端ID。您可以在开发者中找到此值。查找此ID的说明在第1步中。
client_secret必填
您从Rememberizer获得的应用程序客户端密钥。
code您在第3步中收到的授权码。
redirect_uri必填
用户在授权后被发送到您应用程序中的URL。必须与第1步中的redirect_uri匹配。
### 第 5 步. 使用访问令牌访问 API 访问令牌允许您代表用户向 API 发出请求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以这样设置 Authorization 头： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 参考 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 获取 Slack 的内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/discussions/{discussion_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-documents.md <== # 检索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/README.md <== # API 文档 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 密钥](../registering-and-using-api-keys.md) 进行 API 身份验证。OAuth2 是一种标准授权框架，使应用程序能够安全地访问系统中的特定文档。另一方面，API 密钥提供了一种更简单的方法，从公共知识库中检索文档，而无需经过 OAuth2 身份验证过程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的数据源集成 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/integrations/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-current-users-account-details.md <== # 获取当前用户的账户详情 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/account/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/memorize-content-to-rememberizer.md <== # 将内容记住到 Rememberizer {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/memorize/" method="post" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/get-all-added-public-knowledge.md <== # 获取所有添加的公共知识 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/common_knowledge/subscribed-list/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/search-for-documents-by-semantic-similarity.md <== # 按语义相似性搜索文档 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/search/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/retrieve-document-contents.md <== # 获取文档内容 {% swagger src="../../.gitbook/assets/rememberizer_openapi (1).yml" path="/documents/{document_id}/contents/" method="get" %} [rememberizer_openapi (1).yml](<../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md <== # 获取向量存储中的文档列表 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/get-the-information-of-a-document.md <== # 获取文档的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/README.md <== # 向量存储 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 获取向量存储的信息 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/me" method="get" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md <== # 根据语义相似性搜索向量存储文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi (1).yml" path="/vector-stores/{vector-store-id}/documents/search" method="get" %} [rememberizer_openapi (1).yml](<../../../.gitbook/assets/rememberizer_openapi (1).yml>) {% endswagger %} ==> developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md <== # 将新文本文档添加到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/create" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/remove-a-document-in-vector-store.md <== # 从向量存储中删除文档 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="delete" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md <== # 更新文件内容到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/{document-id}/" method="patch" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ==> developer/api-documentations/vector-store/upload-files-to-a-vector-store.md <== # 将文件上传到向量存储 {% swagger src="../../../.gitbook/assets/rememberizer_openapi.yml" path="/vector-stores/{vector-store-id}/documents/upload" method="post" %} [rememberizer_openapi.yml](../../../.gitbook/assets/rememberizer_openapi.yml) {% endswagger %} ``` --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.rememberizer.ai/zh-cn/e-wai-zi-yuan/rememberizer-llm-ready-documentation.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.