# Rememberizer LLM 準備文檔 *生成於 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) *獲取原始內容。* 本文件提供了 Rememberizer 文檔的全面、綜合參考，針對大型語言模型 (LLM) 進行了優化。它將各種文檔來源整合為一個易於訪問的格式，便於 AI 系統高效檢索和處理信息。 ``` ==> SUMMARY.md <== # 目錄 * [為什麼選擇 Rememberizer？](README.md) * [背景](background/README.md) * [什麼是向量嵌入和向量數據庫？](background/what-are-vector-embeddings-and-vector-databases.md) * [個人](personal/README.md) * [Rememberizer Slack 整合](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 整合](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 整合](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 整合](personal/rememberizer-gmail-integration.md) * [Rememberizer 記憶整合](personal/rememberizer-memory-integration.md) * [Rememberizer 應用程式](personal/rememberizer-app.md) * [Mementos 過濾器訪問](personal/mementos-filter-access.md) * [管理第三方應用程式](personal/manage-third-party-apps.md) * [常見知識](personal/common-knowledge.md) * [搜尋您的知識](personal/search-your-knowledge.md) * [管理您的嵌入知識](personal/manage-your-embedded-knowledge.md) * [開發者](developer/README.md) * [註冊 Rememberizer 應用程式](developer/registering-rememberizer-apps.md) * [授權 Rememberizer 應用程式](developer/authorizing-rememberizer-apps.md) * [創建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 範例網頁應用程式](developer/talk-to-slack-the-sample-web-app.md) * [註冊和使用 API 金鑰](developer/registering-and-using-api-keys.md) * [LangChain 整合](developer/langchain-integration.md) * [向量存儲](developer/vector-stores.md) * [API 文檔](developer/api-documentations/README.md) * [將內容記憶到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [檢索文件](developer/api-documentations/retrieve-documents.md) * [檢索文件內容](developer/api-documentations/retrieve-document-contents.md) * [檢索 Slack 的內容](developer/api-documentations/retrieve-slacks-content.md) * [按語義相似性搜尋文件](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的數據源整合](developer/api-documentations/list-available-data-source-integrations.md) * [檢索當前用戶的帳戶詳細信息](developer/api-documentations/retrieve-current-users-account-details.md) * [獲取所有新增的公共知識](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存儲 API](developer/api-documentations/vector-store/README.md) * [獲取向量存儲的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [獲取向量存儲中的文件列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [獲取文件的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [將新文本文件添加到向量存儲](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [將文件上傳到向量存儲](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存儲中的文件內容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存儲中移除文件](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按語義相似性搜尋向量存儲文件](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用條款](notices/terms-of-use.md) * [隱私政策](notices/privacy-policy.md) * [版本更新](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) * [關於 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 準備文檔](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介紹 --- # 為什麼選擇 Rememberizer？ 生成式 AI 應用程式在獲得背景資訊時運作得更好。它們需要知道你所知道的。實現這一點的好方法是讓它們訪問你創建和使用的文件、數據和討論中的相關內容。這正是 Rememberizer 所做的。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 準備文件 *生成於 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) 獲得原始內容。* 本文件提供了 Rememberizer 文檔的全面、綜合參考，經過優化以供大型語言模型 (LLM) 使用。它將各種文檔來源整合為一個易於訪問的格式，促進 AI 系統的高效信息檢索和處理。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目錄 * [為什麼選擇 Rememberizer？](README.md) * [背景](background/README.md) * [什麼是向量嵌入和向量數據庫？](background/what-are-vector-embeddings-and-vector-databases.md) * [個人](personal/README.md) * [Rememberizer Slack 整合](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 整合](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 整合](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 整合](personal/rememberizer-gmail-integration.md) * [Rememberizer 記憶整合](personal/rememberizer-memory-integration.md) * [Rememberizer 應用程式](personal/rememberizer-app.md) * [紀念品過濾器訪問](personal/mementos-filter-access.md) * [管理第三方應用程式](personal/manage-third-party-apps.md) * [常見知識](personal/common-knowledge.md) * [搜索你的知識](personal/search-your-knowledge.md) * [管理你的嵌入知識](personal/manage-your-embedded-knowledge.md) * [開發者](developer/README.md) * [註冊 Rememberizer 應用程式](developer/registering-rememberizer-apps.md) * [授權 Rememberizer 應用程式](developer/authorizing-rememberizer-apps.md) * [創建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 範例網頁應用程式](developer/talk-to-slack-the-sample-web-app.md) * [註冊和使用 API 金鑰](developer/registering-and-using-api-keys.md) * [LangChain 整合](developer/langchain-integration.md) * [向量存儲](developer/vector-stores.md) * [API 文檔](developer/api-documentations/README.md) * [將內容記住到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [檢索文檔](developer/api-documentations/retrieve-documents.md) * [檢索文檔內容](developer/api-documentations/retrieve-document-contents.md) * [檢索 Slack 的內容](developer/api-documentations/retrieve-slacks-content.md) * [按語義相似性搜索文檔](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的數據源整合](developer/api-documentations/list-available-data-source-integrations.md) * [檢索當前用戶的帳戶詳情](developer/api-documentations/retrieve-current-users-account-details.md) * [獲取所有新增的公共知識](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存儲 API](developer/api-documentations/vector-store/README.md) * [獲取向量存儲的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [獲取向量存儲中的文檔列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [獲取文檔的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [將新文本文檔添加到向量存儲](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [上傳文件到向量存儲](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存儲中文件的內容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存儲中移除文檔](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按語義相似性搜索向量存儲文檔](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用條款](notices/terms-of-use.md) * [隱私政策](notices/privacy-policy.md) * [版本發布](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) * [關於 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 準備文檔](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介紹 --- # 為什麼選擇 Rememberizer？ 生成式 AI 應用程式在獲得背景資訊時運作得更好。它們需要知道你所知道的。實現這一點的好方法是讓它們訪問你創建和使用的文件、數據和討論中的相關內容。這正是 Rememberizer 所做的。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 準備文檔 *生成於 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) 獲取原始內容。* 本文件提供了 Rememberizer 文檔的全面、綜合參考，經過優化以供大型語言模型 (LLM) 使用。它將各種文檔來源整合為一個易於訪問的格式，促進 AI 系統的高效信息檢索和處理。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目錄 * [為什麼選擇 Rememberizer？](README.md) * [背景](background/README.md) * [什麼是向量嵌入和向量數據庫？](background/what-are-vector-embeddings-and-vector-databases.md) * [個人](personal/README.md) * [Rememberizer Slack 整合](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 整合](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 整合](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 整合](personal/rememberizer-gmail-integration.md) * [Rememberizer 記憶整合](personal/rememberizer-memory-integration.md) * [Rememberizer 應用程式](personal/rememberizer-app.md) * [紀念品過濾器訪問](personal/mementos-filter-access.md) * [管理第三方應用程式](personal/manage-third-party-apps.md) * [常見知識](personal/common-knowledge.md) * [搜尋你的知識](personal/search-your-knowledge.md) * [管理你的嵌入知識](personal/manage-your-embedded-knowledge.md) * [開發者](developer/README.md) * [註冊 Rememberizer 應用程式](developer/registering-rememberizer-apps.md) * [授權 Rememberizer 應用程式](developer/authorizing-rememberizer-apps.md) * [創建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 範例網頁應用程式](developer/talk-to-slack-the-sample-web-app.md) * [註冊和使用 API 金鑰](developer/registering-and-using-api-keys.md) * [LangChain 整合](developer/langchain-integration.md) * [向量存儲](developer/vector-stores.md) * [API 文檔](developer/api-documentations/README.md) * [將內容記憶到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [檢索文件](developer/api-documentations/retrieve-documents.md) * [檢索文件內容](developer/api-documentations/retrieve-document-contents.md) * [檢索 Slack 的內容](developer/api-documentations/retrieve-slacks-content.md) * [按語義相似性搜尋文件](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的數據源整合](developer/api-documentations/list-available-data-source-integrations.md) * [檢索當前用戶的帳戶詳細資訊](developer/api-documentations/retrieve-current-users-account-details.md) * [獲取所有新增的公共知識](developer/api-documentations/get-all-added-public-knowledge.md) * [向量存儲 API](developer/api-documentations/vector-store/README.md) * [獲取向量存儲的資訊](developer/api-documentations/vector-store/get-vector-stores-information.md) * [獲取向量存儲中的文件列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [獲取文件的資訊](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [將新文本文件添加到向量存儲](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [上傳文件到向量存儲](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量存儲中文件的內容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量存儲中移除文件](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按語義相似性搜尋向量存儲文件](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用條款](notices/terms-of-use.md) * [隱私政策](notices/privacy-policy.md) * [版本發布](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) * [關於 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 準備文檔](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介紹 --- # 為什麼選擇 Rememberizer？ 生成式 AI 應用程式在獲得背景資訊時運作得更好。它們需要知道你所知道的。實現這一點的好方法是讓它們訪問你創建和使用的文件、數據和討論中的相關內容。這正是 Rememberizer 所做的。 ==> rememberizer-llm-ready-documentation.md <== # Rememberizer LLM 準備文件 *生成於 2024-10-31 20:41:45 PDT。可作為原始內容在 [rememberizer-llm-ready-documentation.md](https://raw.githubusercontent.com/skydeckai/rememberizer-webflow/refs/heads/docs/rememberizer-llm-ready-documentation.md) 獲取。* 本文件提供了 Rememberizer 文檔的全面、綜合參考，針對大型語言模型 (LLM) 進行了優化。它將各種文檔來源整合為一個易於訪問的格式，便於 AI 系統高效地檢索和處理信息。 ||CODE_BLOCK|| ==> SUMMARY.md <== # 目錄 * [為什麼選擇 Rememberizer？](README.md) * [背景](background/README.md) * [什麼是向量嵌入和向量資料庫？](background/what-are-vector-embeddings-and-vector-databases.md) * [個人](personal/README.md) * [Rememberizer Slack 整合](personal/rememberizer-slack-integration.md) * [Rememberizer Dropbox 整合](personal/rememberizer-dropbox-integration.md) * [Rememberizer Google Drive 整合](personal/rememberizer-google-drive-integration.md) * [Rememberizer Gmail 整合](personal/rememberizer-gmail-integration.md) * [Rememberizer 記憶整合](personal/rememberizer-memory-integration.md) * [Rememberizer 應用程式](personal/rememberizer-app.md) * [紀念品過濾器訪問](personal/mementos-filter-access.md) * [管理第三方應用程式](personal/manage-third-party-apps.md) * [常識](personal/common-knowledge.md) * [搜尋你的知識](personal/search-your-knowledge.md) * [管理你的嵌入知識](personal/manage-your-embedded-knowledge.md) * [開發者](developer/README.md) * [註冊 Rememberizer 應用程式](developer/registering-rememberizer-apps.md) * [授權 Rememberizer 應用程式](developer/authorizing-rememberizer-apps.md) * [創建 Rememberizer GPT](developer/creating-a-rememberizer-gpt.md) * [Talk-to-Slack 範例網頁應用程式](developer/talk-to-slack-the-sample-web-app.md) * [註冊和使用 API 金鑰](developer/registering-and-using-api-keys.md) * [LangChain 整合](developer/langchain-integration.md) * [向量儲存](developer/vector-stores.md) * [API 文檔](developer/api-documentations/README.md) * [將內容記住到 Rememberizer](developer/api-documentations/memorize-content-to-rememberizer.md) * [檢索文件](developer/api-documentations/retrieve-documents.md) * [檢索文件內容](developer/api-documentations/retrieve-document-contents.md) * [檢索 Slack 的內容](developer/api-documentations/retrieve-slacks-content.md) * [按語義相似性搜尋文件](developer/api-documentations/search-for-documents-by-semantic-similarity.md) * [列出可用的資料來源整合](developer/api-documentations/list-available-data-source-integrations.md) * [檢索當前用戶的帳戶詳細信息](developer/api-documentations/retrieve-current-users-account-details.md) * [獲取所有新增的公共知識](developer/api-documentations/get-all-added-public-knowledge.md) * [向量儲存 API](developer/api-documentations/vector-store/README.md) * [獲取向量儲存的信息](developer/api-documentations/vector-store/get-vector-stores-information.md) * [獲取向量儲存中的文件列表](developer/api-documentations/vector-store/get-a-list-of-documents-in-a-vector-store.md) * [獲取文件的信息](developer/api-documentations/vector-store/get-the-information-of-a-document.md) * [將新文本文件添加到向量儲存](developer/api-documentations/vector-store/add-new-text-document-to-a-vector-store.md) * [上傳文件到向量儲存](developer/api-documentations/vector-store/upload-files-to-a-vector-store.md) * [更新向量儲存中的文件內容](developer/api-documentations/vector-store/update-files-content-in-a-vector-store.md) * [在向量儲存中移除文件](developer/api-documentations/vector-store/remove-a-document-in-vector-store.md) * [按語義相似性搜尋向量儲存文件](developer/api-documentations/vector-store/search-for-vector-store-documents-by-semantic-similarity.md) * [通知](notices/README.md) * [使用條款](notices/terms-of-use.md) * [隱私政策](notices/privacy-policy.md) * [版本發布](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) * [關於 Reddit 代理](notices/b2b/about-reddit-agent.md) * [Rememberizer LLM 準備文檔](rememberizer-llm-ready-documentation.md) ==> README.md <== --- description: 介紹 --- # 為什麼選擇 Rememberizer？ 生成式 AI 應用程式在獲得背景資訊時運作得更好。它們需要知道你知道什麼。一個很好的方法是讓它們訪問你創建和使用的文件、數據和討論中的相關內容。這正是 Rememberizer 所做的。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 為什麼 Rememberizer 不僅僅是一個資料庫或關鍵字搜尋引擎。 --- # 什麼是向量嵌入和向量資料庫？ Rememberizer 使用向量嵌入在向量資料庫中啟用對用戶知識來源的語義相似性搜索。這是一種比單純通過搜索引擎或資料庫查找內容中的關鍵字更為先進和細緻的信息檢索形式。
多維空間

多維空間

在其最先進的形式中（如 Rememberizer 所使用的），向量嵌入是由語言模型創建的，這些模型的架構類似於支撐 OpenAI 的 gpt 模型和 ChatGPT 服務的 AI LLM（大型語言模型），以及來自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服務。因此，自然可以使用向量嵌入來發現相關知識，以納入 AI 模型提示的上下文中。這些技術是互補的，並且在某種程度上是等價的。因此，大多數作為服務提供 LLM 的供應商也會提供向量嵌入作為服務（例如：[來自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [來自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入看起來像什麼？考慮在二維中的一個坐標 (x,y)。如果它表示從原點到這一點的線，我們可以將其視為一條有方向的線，換句話說，是一個 _二維向量_。在我們的上下文中，向量嵌入將是一個類似於 768 個數字的列表，表示一個 768 維空間中的向量。最終，這個數字列表可以表示在 Transformer 模型中介於零和一之間的權重，這些權重定義了短語的含義，例如「一道晴天霹靂」。這在根本上是 GPT-4 中使用的相同基礎意義表示。因此，我們可以預期一個好的向量嵌入能夠實現我們在現代 AI 語言模型中看到的同樣出色的表面理解。 \ 值得注意的是，向量嵌入不僅可以用來表示文本，還可以表示其他類型的數據，例如圖像或聲音。通過適當訓練的模型，可以跨媒介進行比較，因此一段文本的向量嵌入可以與一幅圖像進行比較，或 _反之亦然_。今天，Rememberizer 使得僅在用戶文檔和知識的文本組件中進行搜索成為可能。但文本到圖像和圖像到文本的搜索在路線圖上。\ \ Google 使用向量嵌入來驅動他們的文本搜索（文本到文本）以及他們的圖像搜索（文本到圖像）（[參考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考慮在其社交網絡搜索中使用嵌入（[參考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入來理解上下文，以便在正確的時間向正確的用戶提供正確的廣告（[參考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量資料庫的工作原理，請從 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 開始。Pinecone（作為服務的向量嵌入資料庫）也有一個不錯的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一個理解向量中的搜索和知識的好來源是 Meta/Facebook 的 FAISS 庫的論文和代碼。由 Johnson、Douze 和 Jégou（2017）撰寫的「FAISS：高效相似性搜索和密集向量聚類的庫」：FAISS 提供了一個全面的概述，介紹了一個旨在高效相似性搜索和密集向量聚類的庫。它討論了在大型向量資料庫中優化索引和搜索過程的方法，包括基於產品量化的方法。了解更多的最佳地方是文檔以及 [Github 上的代碼](https://github.com/facebookresearch/faiss)。 \ 務必考慮 2017 年 6 月的論文，這篇論文啟動了 genAI（生成性人工智慧）革命，「注意力是你所需要的一切。」（[參考](https://arxiv.org/abs/1706.03762)）該論文介紹了 GPT 模型及其後續的所有 LLM 背後的 Transformer 架構，這些模型來自 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和許多其他開源項目。\ 還要考慮「近似最近鄰：消除維度詛咒的方向」（[參考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[參考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。這些論文討論了高維空間中近似最近鄰（ANN）搜索的理論，這是向量資料庫中高效檢索相似項目的核心概念。 {% hint style="info" %} 這些基於 Transformer 的模型的一個令人興奮的事情是，它們使用的數據越多，模型的規模（參數越多）越大，它們的理解和能力就越好。OpenAI 首次注意到這一點是在他們訓練 GPT-2 模型時。意識到這一潛力後，他們立即停止了作為開源導向的非營利組織，轉而成為專注於生產 GPT-3、GPT-4 及其著名前端 ChatGPT 的封閉源利潤公司。有趣的是，Google 擁有這項技術的專利——這是他們的研究人員開發了 Transformers 和「注意力是你所需要的一切」（[參考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 對我的描述略有不同，寫道：「關於 OpenAI 從開源導向的非營利組織轉變為封閉源利潤實體的敘述簡化了一個複雜的演變。OpenAI 的轉變包括專注於安全和負責任的 AI 開發以及商業化方面。值得注意的是，儘管 OpenAI 優先開發像 GPT-3 及以後的專有技術，但它仍然通過出版物和合作與研究社區保持互動。」 {% endhint %} BERT 語言模型基於 Transformers，通常用於先進的向量嵌入引擎。這在 2018 年的論文「BERT：用於語言理解的深度雙向 Transformers 的預訓練」（[參考](https://arxiv.org/abs/1810.04805)）中介紹。BERT（來自 Transformers 的雙向編碼器表示）標誌著向預訓練模型的重大轉變，這些模型可以針對廣泛的 NLP 任務進行微調。其創新的雙向訓練和 Transformer 架構的使用為許多基準的模型性能設立了新標準。\ \ 早期創新的向量嵌入創建方法由 GloVe（2014，斯坦福）和 Word2Vec（2013，Google）引入。「GloVe：詞表示的全局向量」（[參考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）論文提出了一種新的全局對數雙線性回歸模型，用於無監督學習詞表示，結合了兩種主要嵌入方法的優勢：全局矩陣分解和局部上下文窗口方法。「在向量空間中高效估計詞表示」（[參考](https://arxiv.org/abs/1301.3781)）：這篇論文介紹了 Word2Vec，一種生成詞嵌入的突破性方法。Word2Vec 模型，包括連續詞袋（CBOW）和 Skip-Gram 模型，對詞嵌入的演變至關重要。 ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南將引導您將 Slack 工作區整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Slack 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Slack。
您的知識，準備連接到 Slack

您的知識，準備連接到 Slack

3. 點擊 Slack 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，請求您的許可以允許 Rememberizer 訪問您的 Slack 工作區。
Slack OAuth 畫面

Slack OAuth 畫面

> **注意：** 如果您看到一個警告，表示此應用程式未經 Slack 授權，那是因為 Rememberizer 旨在在 Slack 之外搜尋 Slack 內容，這違反了 [Slack 應用程式目錄指南](https://api.slack.com/directory/guidelines)。 4. 點擊 **"允許"** 將 Rememberizer Slack 應用安裝到您的工作區。一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Slack 工作區已連接，並且側邊面板彈出。
A COMPANY 已被添加為知識來源

A-COMPANY 已被添加為知識來源

5. 現在您已連接，您需要指定我們的產品應該從哪些頻道獲取消息。從側邊面板中選擇您想要的文件或文件夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
選擇要嵌入為知識的頻道

選擇要嵌入為知識的頻道

6. 選擇頻道後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。 ### 接下來怎麼辦？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將這與您在其他應用程序（如 Google Drive、Box、Dropbox 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/common-knowledge.md <== --- description: >- 通過添加 AI 訪問我們和其他人的預先索引數據來增強您的知識或快速入門。 --- # 常識 ## 什麼是共同知識 在 Rememberizer 中，註冊用戶 **(出版者)** 可以通過備忘錄選擇他們上傳的文件，並將其公開分享為共同知識。其他用戶 **(訂閱者)** 可以訪問這些公共知識並將其添加到自己的資源中。 通過貢獻他們的數據，其他用戶可以共同增強共同知識頁面上的可用信息。這種協作方式使所有用戶都能訪問更豐富的數據來源，從而提高他們的 AI 應用程序的學習能力。 ## 添加公共常識 為了將常識訂閱到您的資源，請按照以下說明操作 * 在導航欄上，選擇 **個人 > 常識**。然後，您將看到公共常識頁面。
navbar browse ck
public ck page
* 然後，尋找您想要訂閱的常識。您可以通過在搜索欄中輸入知識的名稱來查找知識。您可以選擇性地選擇搜索欄旁邊的過濾選項。
搜索欄的過濾器

搜索欄的過濾器

搜索結果示例

搜索結果示例

* 然後點擊公共常識上的 **添加** 按鈕。訂閱成功後，您將看到 **添加** 按鈕變為 **移除** 按鈕。
未添加的常識

未添加的常識

已添加的常識

已添加的常識

* 之後，如果您想要移除已訂閱的知識，請點擊 **移除** 按鈕。 ## 創建共通知識 有關創建和分享共通知識的詳細說明，請訪問此頁面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南將指導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Google Drive 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能看到所有可用的知識來源，包括 Google Drive。
drive personal knowledge
3. 點擊 Google Drive 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Google Drive。選擇您的 Google Drive 帳戶。
drive oauth step 1
4. 通過點擊 **"繼續"** 來批准應用程式。
drive oauth step 2
5. 通過點擊 **"繼續"** 來允許 Rememberizer **查看和下載您所有的 Google Drive 文件**。
drive oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Drive 帳戶已連接，並且側邊欄會彈出。
drive auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊欄中選擇您想要的文件或資料夾。如果側邊欄未出現，請點擊 **"選擇"** 按鈕以打開側邊欄。
drive choose knowledge
8. 選擇文件後，點擊 **"添加"** 以開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，允許將您的 Google Drive 數據與您特別批准的第三方應用程式共享。
drive choose knowledge checkbox
9. 在選擇您的文件和資料夾後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。
drive indexing
### Google Drive 整合的限制 * 雖然 Rememberizer 的 Google Drive 整合允許您訪問和嵌入各種文件和資料夾，但目前無法訪問或嵌入來自「電腦」部分的文件，因為這部分是用於備份您電腦上的文件，受 Google 設定的限制。 * 如果您需要嵌入來自本地電腦的文件，我們建議使用我們的 Rememberizer Agent 桌面應用程序。要了解有關 Rememberizer Agent 的更多信息以及如何安裝和使用它，請參閱我們的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/rememberizer-app.md <== # Rememberizer App ### 介紹 Rememberizer App 是一款 MacOS 桌面應用程式，將您的本地檔案轉換為向量嵌入，並將其作為數據來源上傳到您的 Rememberizer 知識庫。該應用程式使其他 LLM 能夠通過 Rememberizer 的 API 查詢您的嵌入，以根據您本地檔案的內容生成答案。 ### 優點。 * **數據利用：** 應用程序幫助您以有意義且高效的方式利用本地文件。它從您的文件中提取有價值的數據，並使其可用於機器學習過程。 * **易於使用：** 應用程序具有用戶友好的界面，安裝和使用都很簡單。它負責進行文件轉換和數據上傳的繁重工作，因此您不必費心。 * **集成：** Rememberizer App 可無縫地與其他 LLMs 集成。這使得它們可以通過 Rememberizer 的 API 查詢您的嵌入，以根據本地文件的內容生成答案。 ### 安裝。 1. 從[這裡提供的連結](rememberizer-app.md#download-links)下載一個版本的 Rememberizer App。 2. 下載完成後，在下載資料夾中找到 .dmg 文件並雙擊它。 3. 當新窗口打開時，將 Rememberizer App 拖入您的應用程式資料夾。 4. 前往您的應用程式資料夾，然後點擊 Rememberizer App 打開它。 ### 如何使用。 1. **登入：** 要使用 Rememberizer 應用程式，您需要使用您的 Rememberizer 帳戶登入。如果您沒有 Rememberizer 帳戶，您需要創建一個。
rememberizer app sign in
rememberizer app success auth
2. **將資料夾添加到資料來源：** 登入後，Rememberizer 應用程式將開始在背景運行。您可以通過點擊位於狀態欄的小圖標來訪問它，如下所示。首次使用時，您需要將資料夾添加到資料來源。這使 Rememberizer 應用程式能夠將這些資料夾中的文件轉換為向量嵌入並上傳到您的 Rememberizer 知識中。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上傳：** 該軟體將無縫地將這些向量嵌入整合到您的 Rememberizer 知識資料庫中。通過 Rememberizer 狀態標籤跟踪上傳過程。
rememberizer app status
### 下載連結。 * Rememberizer App 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [版本說明](rememberizer-app.md#version-1.3.1-july-25-2024)。 請注意，建議始終使用最新版本的軟體，以便利用所有最新的功能和改進。 Rememberizer App 的設計旨在使將本地文件轉換為向量嵌入的過程盡可能無縫。享受以更具生產力的方式使用您的數據！ ### 發布說明。 ### 版本 1.6.1 (2024年10月4日) #### 功能與改進 * **支持空文件夾**：用戶現在可以將空文件夾添加為數據來源。 * **小幅改進**：對用戶界面和性能的增強。 * **GPU支持和性能改進**：新增對GPU加速的支持，以提高處理速度。 * **增強的嵌入程序**：配置為支持PyTorch的MPS版本，優化特定於機器的構建。 * **智能CPU檢測**：實施CPU類型檢測，以確保使用最合適版本的嵌入程序。 * **改進的數據源管理**：利用批量刪除API高效刪除已移除數據源中的文件。 * **支持所有純文本文件**：啟用各種純文本文件類型的處理。 * **遵循Gitignore規則**：現在在Git存儲庫中被gitignore規則忽略的文件將不再被處理。 ==> personal/rememberizer-memory-integration.md <== # Rememberizer 記憶集成 ### 介紹 Rememberizer Memory 允許第三方應用程式在使用者的 Rememberizer 帳戶中儲存和存取資料，提供了一種簡單的方式，讓有價值的信息能夠在多個使用者的應用程式中儲存和利用。 ### 優勢 #### 對於用戶 共享記憶體創建了一個單一的地方，所有用戶應用程式的關鍵結果和資訊都可以在一個位置獲得。對用戶的一些好處包括： * 簡易訪問：重要數據集中存儲，使用戶及其應用程式能夠輕鬆地在一個地方訪問來自多個應用程式的結果。 * 應用之間的同步：資訊可以在用戶的不同應用程式之間無縫共享和同步，無需用戶額外努力。 * 持久存儲：數據即使在個別應用程式被卸載後仍然可以訪問，與專屬應用的本地存儲不同。 #### 對應用程式開發者 共享記憶體為應用程式開發者提供了一種簡單的方式，可以訪問用戶其他連接應用程式中的數據： * 不需要後端：應用程式不需要開發自己的自定義後端系統來儲存和共享數據。 * 利用其他應用程式：應用程式可以基於用戶其他已安裝應用程式生成的公共數據進行構建和利用，豐富其自身功能。 * 應用程式間整合：應用程式開發者的不同應用程式之間可實現無縫整合和數據共享功能。 默認情況下，所有應用程式對共享記憶體具有只讀訪問權限，而每個應用程式僅能寫入其自己的記憶體空間。用戶可以根據需要自定義訪問權限。這在數據共享和用戶隱私與控制之間取得了平衡。 ### 配置你的記憶 #### 全域設定 全域設定允許用戶配置所有使用共享記憶體的應用程式的預設權限。這包括：
在知識頁面中配置記憶體

在知識頁面中配置記憶體

#### 應用程式的預設記憶體和數據訪問權限 * **讀取自己的/寫入自己的：** 應用程式僅被允許訪問和修改自己的記憶體數據。 * **讀取所有/寫入自己的：** 應用程式可以讀取所有應用程式的記憶體數據，但僅限於修改自己的記憶體數據。 * **禁用記憶體：** 預設情況下，應用程式無法訪問或存儲記憶體數據。 * **應用於所有選項：** 用戶可以將所有應用程式特定的權限設置恢復為全局設置中選擇的預設值。
memory settings panel
用戶可以使用 _**忘記你的記憶**_ 選項清除所有記憶體文件：
忘記記憶時的確認模態

忘記記憶時的確認模態

#### 應用程式設定 對於每個連接的應用程式，使用者可以自訂共享記憶體的權限。點擊 **"尋找應用程式"**，然後點擊 **"您的連接應用程式"** 或前往鏈接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 以查看您連接的應用程式列表。然後，點擊您想要自訂的應用程式的記憶體上的 **"變更"**：
在連接應用程式頁面中為每個應用程式配置記憶體

在連接應用程式頁面中為每個應用程式配置記憶體

#### 應用程式的記憶體訪問權限 * **讀取自己的/寫入自己的**：權限允許應用程式僅訪問和修改其自己的記憶體數據，防止其與其他應用程式的記憶體互動。 * **讀取所有/寫入自己的**：應用程式可以查看所有應用程式的記憶體數據，但僅限於修改其自己的記憶體數據。 * **禁用記憶體**：應用程式被禁止訪問或修改記憶體數據。 這使得用戶可以根據對特定應用程式的信任程度，對每個應用程式如何利用共享記憶體進行細緻的控制。單個應用程式的權限可以比全局默認設置更為嚴格。 全局設置和應用程式設置共同為用戶提供了強大而易於使用的控制，讓他們能夠管理其數據如何通過共享記憶體進行共享。 ### 與記憶功能整合 #### API 端點 Rememberizer 提供一個 API 端點 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 讓 GPT 應用程式可以呼叫以記住內容。 注意：此 API 僅適用於具有 [OAuth2 認證的第三方應用程式](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 金鑰](../developer/registering-and-using-api-keys.md)）。 #### 記住你的知識 在授權 Rememberizer 後，第三方應用程序可以記住它的寶貴知識。 在這裡，我們將演示使用 Rememberizer GPT 應用程序的過程。 * 在使用 Rememberizer GPT 應用程序後，用戶想要記住第三點「零成本抽象」。
與 Rememberizer GPT 應用程序互動

與 Rememberizer GPT 應用程序互動

* 要使用 Rememberizer 應用程序的記憶功能，用戶必須首先授權該應用程序訪問你的項目。使用 **memorize** 命令告訴應用程序需要存儲的知識。
登錄以授權 Rememberizer

登錄以授權 Rememberizer

* 用戶可以在這裡配置記憶選項，默認值基於全局配置
授權屏幕

授權屏幕

Rememberizer 現在成功記住了知識。
successful memorize knowledge
* 在 Rememberizer 中，用戶可以在 **嵌入知識詳情** 頁面查看最近的內容。
embedded knowledge detail
使用 **Talk to Slack** 應用程序，用戶可以無縫地應用並繼續使用他們已經記住的數據。例如，記住的信息可以輕鬆查詢和檢索
在另一個應用程序中回憶記憶數據

在另一個應用程序中回憶記憶數據

### 使用 Memento 的記憶數據 * 利用記憶數據的另一種方法是創建 **Memento** 並將記憶精煉到其中。請訪問 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分以獲取有關創建指導的更多信息。 * Rememberizer 將內容保存到文件中，並且用戶可以選擇任何應用程序將其內容精煉為 **Memento**。 > 注意：在舊版本中，Rememberizer 將內容保存到文件中並按日期合併到文件夾中。
memory memento feature
使用 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用戶即使在記憶應用配置關閉的情況下也可以利用記憶數據。 ### 在 Rememberizer 中搜尋記憶文件 您也可以通過我們的網頁 UI [搜尋您的知識](https://rememberizer.ai/personal/search)，或者更好地，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以發布主題或問題，Rememberizer 將提供一個文件列表並提取概念上相似的部分。 --- # 搜尋你的知識 ## 在 Rememberizer 中搜尋 * 在導航欄中，選擇 **個人 > 搜尋您的知識**。然後您將看到 Rememberizer 的搜尋頁面。
navbar search rememberizer (1)
search rememberizer page
* 輸入您想搜尋的問題或主題，然後選擇您想限制應用程式訪問的紀念品，並點擊 Rememberizer 按鈕（或按 Enter 鍵）。搜尋過程可能需要幾分鐘，具體取決於紀念品中的數據量。
在 Rememberizer 中搜尋的紀念品過濾

在 Rememberizer 中搜尋的紀念品過濾

* 最終，您將看到與您所需問題或主題匹配的文件列表。您可以點擊文件，將顯示與您的問題或主題相關的匹配文本片段。
搜尋結果的範例

搜尋結果的範例

==> personal/README.md <== # 個人 ==> personal/manage-third-party-apps.md <== # 管理第三方應用程式 ## 探索第三方應用程式和服務 用戶可以在 **應用程式目錄** 頁面查看和探索所有與 Rememberizer 連接的第三方應用程式，具體步驟如下。 * 在導航欄上，選擇 **個人 > 尋找應用程式**。然後，您將看到應用程式目錄頁面。
導航欄瀏覽應用程式目錄頁面

導航欄瀏覽應用程式目錄頁面

應用程式目錄頁面

應用程式目錄頁面

* 找到您想要探索的應用程式。您可以通過在搜索欄中輸入應用程式的名稱來完成此操作，並可選擇 **篩選和排序順序**。
帶有篩選和排序按鈕的搜索欄

帶有篩選和排序按鈕的搜索欄

* 點擊 **第三方應用程式的名稱** 或 **探索按鈕** 以打開該應用程式。
應用程式的名稱和探索按鈕

應用程式的名稱和探索按鈕

* 使用應用程式時，將需要授權該應用程式與 Rememberizer 連接。流程的技術細節可以在 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 頁面查看。我們將以 **Rememberizer GPT 應用程式** 作為授權的 UI 流程示例。在第一次聊天後，您將看到應用程式要求您登錄 Rememberizer。
來自 Rememberizer GPT 應用程式的登錄請求

來自 Rememberizer GPT 應用程式的登錄請求

* 點擊 **登錄** 按鈕。您將被重定向到授權頁面。
授權頁面

授權頁面

* 您可以通過點擊 **更改** 按鈕來修改應用程式可以查看和使用的 Memento 和 Memory，然後選擇您想要的內容。 > **注意：** 有關 Memento 的詳細信息，請訪問 [mementos-filter-access.md](mementos-filter-access.md "mention") 頁面。 > **注意：** 有關 Memory 整合的詳細信息，請訪問 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 頁面。 * 點擊 **授權** 以完成該過程。然後，您將再次被重定向回應用程式，並可以正常與其聊天。 > **注意：** 如果您點擊 **取消** 按鈕，您將再次被重定向到應用程式登陸頁面，該應用程式將不會顯示在 **應用程式目錄** 頁面上，而是會顯示在 **您的連接應用程式** 頁面上。更多詳細信息，請訪問第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")，如果您想完全取消授權過程。
成功連接帳戶

成功連接帳戶

## 管理您的連接應用程式 在 **應用程式目錄** 頁面上，選擇 **您的連接應用程式** 以瀏覽該頁面。
browse your connected app
您的連接應用程式頁面

您的連接應用程式頁面

此頁面根據應用程式的狀態將其分類為兩種類型：**待處理應用程式** 和 **已連接應用程式**。 * **待處理應用程式**：這些是您在 Rememberizer 上授權應用程式時點擊 **取消** 按鈕的應用程式。 * 如果您想完成授權過程，請點擊 **繼續**。 * 否則，點擊 **取消** 以完全撤回授權。該應用程式將再次顯示在 **應用程式目錄** 頁面上。 * **已連接應用程式**：您可以通過點擊更改選項（如果尚未選擇 Memento，則為選擇）來配置特定連接應用程式的 **Memento** 或 **記憶整合**。如果您想將第三方應用程式從 Rememberizer 斷開連接，請點擊 **斷開連接**。 ==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南將引導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Gmail 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Gmail。
gmail personal knowledge
3. 點擊 Gmail 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Gmail。選擇您的 Gmail 帳戶。
gmail oauth step 1
4. 通過點擊 "**繼續"** 來批准應用程式。
gmail oauth step 2
5. 通過點擊 **"繼續"** 來授予 Rememberizer **權限** 訪問您的 Gmail。
gmail oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Gmail 已連接。
gmail auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些電子郵件標籤。點擊 **"選擇"** 按鈕，並從側邊面板中選擇您想要的電子郵件標籤。所有屬於所選標籤的電子郵件將被嵌入。
gmail choose knowledge
8. 選擇標籤後，點擊 **"添加"** 開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，將您的 Gmail 數據與您特別批准的第三方應用程式共享。
gmail choose knowledge checkbox
9. 一旦您選擇了標籤，我們的系統將開始嵌入電子郵件和附件。這個過程可能需要幾分鐘，具體取決於數據的量。
gmail indexing
### 接下來該怎麼辦？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南將指導您將 Dropbox 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Dropbox 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Dropbox。
Dropbox，準備好作為知識來源連接

Dropbox，準備好作為知識來源連接

3. 點擊 **"允許"** 以將 Rememberizer Dropbox 應用安裝到您的帳戶。
dropbox oauth
4. 一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Dropbox 帳戶已連接，並且側邊面板會彈出。
dropbox auth redirect
5. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊面板中選擇您想要的文件或資料夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
dropbox choose knowledge
7. 選擇您的文件和資料夾後，點擊 **"添加"**，我們的系統將開始嵌入。根據數據量，這個過程可能需要幾分鐘的時間。 ### 連接到另一個Dropbox帳戶 如果您斷開Dropbox知識，然後重新連接，Dropbox可能會自動連接到您之前的Dropbox帳戶，完全跳過授權畫面。 如果您想使用不同的Dropbox帳戶連接： 1. 請前往Dropbox網站並使用您之前的帳戶憑證登入。 2. 登入後，請點擊右上角的個人資料照片。 3. 從下拉選單中選擇「設定」。 4. 在設定選單中，選擇「已連接的應用」標籤頁。 5. 在已連接的應用清單中，找到Rememberizer應用，並點擊其旁的「斷開連接」。 6. 登出您之前的Dropbox帳戶。 7. 現在，當您嘗試再次將Dropbox連接到Rememberizer應用時，將會提示您授權新的Dropbox帳戶。 ### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Slack 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允許用戶有效地管理來自各種來源的存儲文件。此部分將向您展示如何訪問、搜索、過濾和管理您上傳的知識文件 --- # 管理您的嵌入式知識 ## 瀏覽嵌入知識詳細頁面 在導航欄上，選擇 **個人 > 你的知識**。找到 "你的知識" 區域右側的 **查看詳細資訊** 按鈕並點擊它。然後，你將看到 **嵌入知識詳細** 頁面。
你的知識區域和 <strong>查看詳細資訊</strong> 按鈕

你的知識區域和 查看詳細資訊 按鈕

嵌入知識詳細頁面

嵌入知識詳細頁面

知識文件詳細信息的表格包括以下屬性： * **文件：** 文件或 Slack 頻道的名稱。 * **來源：** 文件上傳的資源（Drive、Mail、Slack、Dropbox 和 Rememberizer App）。 * **目錄：** 文件在來源中的位置。 * **狀態：** 文件的狀態（索引中、已索引或錯誤）。 * **大小：** 文件的大小。 * **索引於：** 文件被索引的日期。 * **操作：** 刪除文件的按鈕。對於狀態為錯誤的文件，垃圾桶圖標（刪除按鈕）旁邊還會有一個重試圖標。 ## 詳細頁面的特點 ### 搜尋和篩選檔案 使用者可以透過 **搜尋欄** 以名稱搜尋文件。在欄位中輸入名稱，然後按 Enter 以獲取結果。
搜尋結果

搜尋結果

您也可以選擇 **狀態篩選器** 和 **來源篩選器**。這將通過縮小搜尋條件快速定位特定文件。
來源篩選器

來源篩選器

狀態篩選器

狀態篩選器

### 刪除上傳的檔案 找到您想要刪除的檔案（如有需要可進行搜尋）。然後點擊**操作**欄中的**垃圾桶圖示**。
帶有刪除圖示的檔案

帶有刪除圖示的檔案

將彈出一個對話框以確認刪除。點擊**確認**，然後您將看到檔案已被刪除。
刪除確認對話框

刪除確認對話框

### 重試索引錯誤檔案 使用者可以重試嵌入那些 Rememberizer 無法索引的檔案。要重試索引特定檔案，只需點擊 **操作** 欄中刪除按鈕旁邊的重試按鈕。
特定錯誤檔案的重試按鈕

特定錯誤檔案的重試按鈕

如果使用者想要重試索引所有錯誤檔案，請點擊 **操作** 欄標籤旁邊的重試按鈕。
所有錯誤檔案的重試按鈕

所有錯誤檔案的重試按鈕

以下是從 Gmail 整合成功重試索引錯誤檔案後的圖片。
成功重試索引錯誤檔案

成功重試索引錯誤檔案

==> personal/mementos-filter-access.md <== --- description: 使用每個應用整合的 Memento 來限制其對您的知識的訪問 --- # Mementos 過濾器訪問 ### 什麼是備忘錄，為什麼它們存在？ Rememberizer 的一個主要目的是以受控的方式與第三方應用程序共享您數據的高度相關摘錄。這是通過將單個 **備忘錄** 應用於每個與 Rememberizer 集成的應用程序來實現的，您也選擇授權這些應用程序訪問您在 Rememberizer 中的數據。 目前的備忘錄實現允許用戶選擇特定的文件、文檔或內容組，例如可以被該應用程序使用的文件夾或頻道。後續的實現將增加其他過濾第三方訪問的方式，例如“在過去 30 天內創建”的時間範圍。\ \ 兩個默認值是“無”和“全部”。全部共享用戶允許 Rememberizer 訪問的每個文件。無則不與相關應用共享任何內容。選擇無允許用戶選擇一個應用並將其與 Rememberizer 集成，而無需當場決定要提供哪些內容。選擇一個無的備忘錄或編輯現有的應用備忘錄以共享無是一種關閉應用訪問用戶數據的方式，而無需刪除集成。這就像是您數據的關閉開關。自定義備忘錄可以專門製作，並具有反映其用途的名稱，例如“作業”或“市場營銷”。 ### 如何創建 Mementos？ 本指南將引導您完成創建 Mementos 的過程 1. 在標籤中導航至 **個人 > Memento: 限制訪問**，或訪問 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您應該會在螢幕左側看到所有 Mementos
memento page
2. 點擊 **創建新的 memento**。然後填寫您自定義 memento 的名稱，並點擊 **創建**。之後，您應該會看到您的 memento 被添加，並且可以在您的 memento 中包含數據來源的列表。
create memento
memento detail
3. 點擊您想要精煉的數據來源上的 **精煉**，側邊面板將彈出。然後選擇添加文件夾或文件，並點擊 **精煉** 將這些數據來源添加到 Memento。
memento refine knowledge
4. 此外，對於常見知識來源，您可以點擊 **添加** 將知識包含在 Memento 中。
memento add common knowledge
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您將學習如何在 Rememberizer 中創建常見知識 並獲取其 API 密鑰以通過 API 調用連接和檢索其文檔。 --- # 註冊和使用 API 金鑰 ### 先決條件 首先，您需要擁有[一個備忘錄](../personal/mementos-filter-access.md)，該備忘錄是使用您的索引知識文件創建和精煉的。 ### 創建共通知識 要創建共通知識，請登入您的 Rememberizer 帳戶並訪問 [您的共通知識頁面](https://rememberizer.ai/personal/common-knowledge)。選擇 **"您的共享知識"**，然後點擊 **"開始"**。
common knowledge page
然後選擇您之前創建的其中一個紀念品，您也可以選擇 **"全部"** 或 **"無"**。
create common knowledge 1
最後填寫共通知識的名稱、描述並給它一張代表性的照片。
create common knowledge 2
填寫完表單後，點擊底部的 "分享知識" 來創建您的共通知識。之後，啟用您的知識中的 **"啟用共享"**，並在彈出窗口中點擊 **"確認"**。
common knowledge sharing
您現在已經準備好獲取其 API 金鑰並通過 API 調用訪問其文檔。 ### 獲取您創建的共通知識的 API 金鑰 對於您的共通知識，點擊右上角的三個點，然後選擇「API 金鑰」。如果尚未存在，將為您創建一個。如果 API 金鑰已存在，將返回該金鑰。
knowledge open API key
在 **「管理您的 API 金鑰」** 面板中，您可以點擊 **「眼睛」** 按鈕來顯示/隱藏，點擊 **「複製」** 按鈕將金鑰複製到剪貼板，並點擊 **「重新生成 API 金鑰」** 以使舊金鑰失效並創建一個新金鑰（通過 API 調用訪問您文件的應用程序在您更新新金鑰之前將無法訪問）。
copy api key
獲得 API 金鑰後，您可以在對 Rememberizer 的 API 調用中使用它來查詢您的索引文件和內容。 ### 使用 API 金鑰 要訪問 Rememberizer 端點，您需要在 API 請求的 `X-API-Key` 標頭中使用 API 金鑰。請查看 [API 文檔](api-documentations/) 以了解 Rememberizer 提供的端點。 您還可以在自定義 GPT 應用中使用 API 金鑰。首先 [在 ChatGPT UI 中創建 GPT](https://chat.openai.com/gpts/editor)。確保將身份驗證類型選擇為 "API 金鑰"，身份驗證類型選擇為 "自定義"，標頭選擇為 "X-Api-Key"，然後將您之前複製的金鑰粘貼到 API 金鑰文本框中。
gpt app using api key
==> developer/langchain-integration.md <== --- description: >- 您可以將 Rememberizer 整合為 LangChain 檢索器，以為您的 LangChain 應用提供強大的向量數據庫搜索訪問。 --- # LangChain 整合 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 這個筆記本展示了如何從 `Rememberizer` 獲取文件，該文件格式在下游使用。 ## 準備 您需要一個 API 金鑰：您可以在創建共通知識後獲得一個。詳細的創建共通知識的說明可以參考 [註冊和使用 API 金鑰](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您擁有 API 金鑰，您必須將其設置為環境變數 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 時將其作為 `rememberizer_api_key` 傳遞。 `RememberizerRetriever` 有以下參數： \- 可選的 `top_k_results`：預設值=10。用於限制返回的文檔數量。 \- 可選的 `rememberizer_api_key`：如果您未設置環境變數 `REMEMBERIZER_API_KEY`，則為必需。 `get_relevant_documents()` 有一個參數 `query`：用於在 `Rememberizer.ai` 的共通知識中查找文檔的自由文本。 ## 範例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||CODE_BLOCK|| # 設定 API 金鑰 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="大型語言模型是如何運作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文件的元資訊 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '大型語言模型 (LLM) 是什麼？_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/大型語言模型 (LLM) 是什麼？_ _ 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]) # 文件的內容 ||CODE_BLOCK|| ||CODE_BLOCK|| 在某種程度上，它們「理解」語義，因為它們可以根據意義將單詞和概念聯繫起來，因為它們已經看過這些單詞和概念以這種方式成組出現了數百萬或數十億次。開發人員如何能夠快速開始構建自己的 LLM 以建立 LLM 應用程式，開發人員需要輕鬆訪問多個數據集，並且他們需要這些數據集的存放地 ||CODE_BLOCK|| ## 在鏈中使用 ||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 = [ "什麼是 RAG？", "大型語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"-> **問題**: {question} \n") print(f"**答案**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **問題**: 什麼是 RAG？ **答案**: RAG 代表檢索增強生成。這是一個 AI 框架，從外部知識庫檢索事實，以增強大型語言模型 (LLMs) 生成的回應，提供最新和準確的信息。這個框架幫助用戶理解 LLM 的生成過程，並確保模型可以訪問可靠的信息來源。 -> **問題**: 大型語言模型是如何工作的？ **答案**: 大型語言模型 (LLMs) 通過分析大量的語言數據集來理解和生成人類語言文本。它們基於機器學習，特別是深度學習，這涉及訓練程序在沒有人工干預的情況下識別數據的特徵。LLMs 使用神經網絡，特別是變壓器模型，來理解人類語言中的上下文，使它們在模糊或新上下文中更好地解釋語言。開發人員可以通過訪問多個數據集和使用 Cloudflare 的 Vectorize 和 Cloudflare Workers AI 平台快速開始構建自己的 LLM。 ||CODE_BLOCK|| ### 相關[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 檢索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 檢索器 [操作指南](https://python.langchain.com/docs/how_to/#retrievers) *** **請幫助我們提供對此文檔頁面的反饋：** ==> developer/authorizing-rememberizer-apps.md <== # 授權 Rememberizer 應用程式 Rememberizer 的實作支援標準 [授權碼授權類型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授權用戶使用您的應用程式的網頁應用程式流程如下： 1. 用戶被重定向到 Rememberizer 以授權他們的帳戶。 2. 用戶選擇要與您的應用程式一起使用的紀念品。 3. 您的應用程式使用用戶的存取令牌訪問 API。 訪問 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 頁面以查看該流程的 UI 範例。 ### 第一步。請求用戶的 Rememberizer 身份 將用戶重定向到 Rememberizer 授權伺服器以啟動身份驗證和授權過程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 參數：
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。點擊左上角的開發者。在註冊應用程序列表中，點擊您的應用程序，您將在應用憑證中看到客戶端 ID。
response_type必填
必須為 code 以獲取授權碼。
scope

可選

一個以空格分隔的範圍列表，標識您的應用程序可以代表用戶訪問的資源。

redirect_uri必填
用戶授權後將被發送到您應用程序中的 URL。
state

必填

客戶端用於在請求和回調之間維護狀態的模糊值。授權伺服器在將用戶代理重定向回客戶端時包含此值。

### 步驟 2. 使用者選擇並配置他們的紀念品 使用者將選擇與您的應用程式一起使用的紀念品。 ### 步驟 3. 使用者被 Rememberizer 重定向回您的網站 在使用者選擇他們的紀念品後，Rememberizer 會帶著一個臨時的 `code` 參數以及您在前一步提供的狀態以 `state` 參數的形式重定向回您的網站。臨時代碼會在短時間內過期。如果狀態不匹配，則表示請求是由第三方創建的，您應該終止該過程。 ### 第 4 步。用授權碼交換刷新和訪問令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端點需要以下輸入參數。
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。找到此 ID 的說明在第 1 步中。
client_secret必填
您從 Rememberizer 獲得的應用程序客戶端密鑰。
code您在第 3 步中收到的授權碼。
redirect_uri必填
用戶在授權後被發送到您應用程序中的 URL。必須與第 1 步中的 redirect_uri 匹配。
### 步驟 5. 使用訪問令牌訪問 API 訪問令牌允許您代表用戶向 API 發送請求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以這樣設置 Authorization 標頭： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 參考資料 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: >- 創建一個簡單的網頁應用程式，通過對 Rememberizer 的查詢將 LLM 與用戶知識集成是非常容易的。 --- # Talk-to-Slack 範例網頁應用程式 應用程式的源代碼可以在 [這裡](https://github.com/skydeckai/rememberizer) 找到。 在本節中，我們將提供逐步指導和完整的源代碼，以便您能夠快速創建自己的應用程式。 我們在 OpenAI 上創建了一個 Talk-to-Slack GPT。Talk-to-Slack 網頁應用程式非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 網頁應用程式

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 網頁應用程式

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 簡介 在這份指南中，我們提供了逐步的指導和完整的源碼，以幫助你創建你自己的應用程式，類似於我們與Rememberizer.ai的Talk-to-Slack GPT整合。與Slack整合不同的是，一個網路應用程式提供更多功能和控制，例如網路抓取、本地數據庫訪問、圖形與動畫，以及收集付款。此外，它可以被任何人使用，而不需要一個高級genAI帳戶。 ### 概述 我們的示例應用程式，與 Slack 對話，託管在 Heroku 上，並整合 OpenAI 的 LLM 與 Rememberizer.ai，以增強您的 Slack 體驗。該網路應用程式使用 Flask 建構並提供如 OAuth2 整合，Slack 數據訪問，和直觀的使用者介面等功能。 ### 功能 * **基於 Flask 的架構**：後端操作、前端通訊以及API交互均由 Flask 負責處理。 * **OAuth2 整合**：使用 Rememberizer 的 OAuth2 流程，以實現安全的授權和資料存取。 * **Slack 數據存取**：使用 Rememberizer 的API 安全地取得已連接的 Slack 用戶資料。 * **OpenAI LLM 整合**：使用 OpenAI 的 LLM 服務來處理查詢，以便得出有見地的回答。 * **直觀的用戶界面**：提供現代 UI 設計以便輕鬆導航和交互。 * **最佳實踐**：遵從安全與用戶體驗標準，以實現無縫整合。 ### 設定和部署 #### 前置條件 * Python * Flask {% hint style="info" %} 請注意，讓一個 LLM 將整個應用程式重寫成另一種語言（在我們的案例中是 Golang）並不是很困難。因此，請記住您並不僅限於使用 Python。 {% endhint %} #### 環境設定 設定這些環境變數： * `APP_SECRET_KEY`：Flask 的獨特秘密金鑰。 * `REMEMBERIZER_CLIENT_ID`：您的 Rememberizer 應用的客戶端 ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的 Rememberizer 應用的客戶端秘密。 * `OPENAI_API_KEY`：您的 OpenAI API 金鑰。 #### 運行應用程式 1. **啟動 Flask 應用程式**：在終端機中運行 `flask run`，並在 `http://localhost:5000` 訪問應用程式。 2. **將回調 URL 複製到您的 Rememberizer 應用程式配置中**：`https:///auth/rememberizer/callback` 例如：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到雲端 建議部署到像 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **創建 Heroku 帳戶**：安裝 Heroku CLI。 2. **準備您的應用程序**：確保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成進行部署。 **詳細步驟** * **將 Heroku 連接到 GitHub**：啟用來自 GitHub 存儲庫的自動部署，以便無縫更新。 * **手動部署**：可選擇使用手動部署以獲得更多控制。 **其他設置** * 安裝 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 證書：使用自簽名證書進行初始 HTTPS 設置。 * 在 Heroku 上配置環境變量：使用 `heroku config:set KEY=value` 設置必要的鍵。 **其他雲平台** * **GCP**：設置 GCP 帳戶，使用 `app.yaml` 準備您的應用，並使用 `gcloud app deploy` 進行部署。 * **AWS**：在設置 AWS 帳戶和 AWS CLI 後，使用 Elastic Beanstalk 進行部署。 * **Azure**：在創建 Azure 帳戶並安裝 Azure CLI 後，通過 Azure App Service 進行部署。 #### 安全性與最佳實踐 在部署之前，請驗證您的 `requirements.txt`，調整生產環境的配置，並更新 OAuth 重定向 URI。 ### 應用程式代碼註解 **@app.route('/') (索引路由):** 當訪問根 URL (/) 時，此路由渲染 index.html 模板。它作為您應用程式的首頁。 **@app.route('/auth/rememberizer') (Rememberizer 認證路由):** 此路由啟動與 Rememberizer.ai 的 OAuth2 認證過程。它生成一個隨機的狀態值，將其存儲在會話中，構建包含必要參數（客戶端 ID、重定向 URI、範圍和狀態）的授權 URL，並將用戶重定向到 Rememberizer.ai 的授權頁面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回調路由):** 此路由處理來自 Rememberizer.ai 的回調，當用戶授權您的應用程式後。它從查詢參數中提取授權碼，使用 Rememberizer.ai 的令牌端點將其交換為訪問令牌，並將訪問令牌存儲在會話中。然後，它將用戶重定向到 /dashboard 路由。 **@app.route('/dashboard') (儀表板路由):** 此路由向用戶顯示儀表板頁面。它檢查用戶的會話中是否有訪問令牌；如果沒有，則將他們重定向到認證路由。如果用戶已通過認證，它會向 Rememberizer.ai 的帳戶端點發送請求以檢索帳戶信息，並使用這些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 整合信息路由):** 此路由顯示有關用戶與 Rememberizer.ai 的 Slack 整合的信息。它檢查訪問令牌並向 Rememberizer.ai 的整合端點發送請求以獲取整合數據。然後，它使用這些數據渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提問路由):** 此路由處理用戶提交的問題。它檢查訪問令牌，從表單數據中檢索用戶的問題，並向 Rememberizer.ai 的文檔搜索端點發送請求以查找相關信息。然後，它使用 OpenAI 的 GPT-4 模型根據問題和搜索結果生成答案。答案在 answer.html 模板中渲染。 ### 附加說明 * **圖標設計**：運用詳細的摺紙藝術風格設計，反映AI和通信整合的特點。我們的圖標是在Midjourney和Image2Icon中創建的。 * **SSL配置**：使用OpenSSL生成自簽名證書以進行安全通信。 ### 探索與創新 我們鼓勵您探索和創新自己的 AI 整合網頁應用程式，旨在提升您平台內的生產力和協作。 *** 這份修訂的文檔為開發者提供了創建自己的 AI 整合網頁應用程式的全面指南，類似於 Talk-to-Slack。它包括設置、部署和應用程式代碼概述的詳細說明，以及最佳 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您將學習如何創建一個 Rememberizer 應用程式並連接 OpenAI GPT，使 GPT 能夠訪問 Rememberizer API 功能。 --- # 創建記憶化器 GPT ### 前提條件 首先，您需要[註冊一個 Rememberizer 應用程式](registering-rememberizer-apps.md)並使用適當的設置進行配置。 要創建一個 GPT，您需要將 Rememberizer 應用程式的授權請求來源設置為`https://chat.openai.com`。 > 您需要添加一個回調 URL 來註冊應用程式，但您只能在為您的 GPT 添加操作後找到回調 URL，暫時將其留作虛擬值（例如 https://chat.openai.com）。獲得回調 URL 後，您需要為應用程式更新正確的 URL。\ > \ > **注意：** GPT 在您更改其配置後會更新其回調 URL。請確保複製最新的回調 URL。 創建應用程式後，複製 **客戶端 ID** 和 **客戶端密鑰**。我們將在創建 GPT 時使用它們。關於如何獲取這些信息的指導可以訪問[授權 Rememberizer 應用程式](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 創建一個 GPT 您可以通過 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor) 開始。 {% hint style="warning" %} 注意：創建自定義 GPT 應用僅適用於付費計劃帳戶。 {% endhint %} #### GPT 配置 您可以根據自己的需要填寫信息。這裡有一個您可以嘗試的示例：
字段示例值
名稱RememberizerGPT
描述直接與您所有的 PDF、文檔、表格、幻燈片在 Google Drive 和 Slack 頻道上對話。
指示Rememberizer 設計為與 Rememberizer 工具無縫互動，使得用戶能夠高效地從多個來源（如 Google Drive 和 Slack）查詢他們的數據。主要目標是提供快速且準確的用戶數據訪問，利用 Rememberizer 的能力來優化搜索速度和精確度。GPT 應該指導用戶制定查詢並解釋結果，確保流暢且友好的使用體驗。在處理數據檢索和分析時，保持回答的清晰和精確至關重要。GPT 應能夠處理各種查詢，從簡單的數據查找到涉及多個參數或來源的更複雜搜索。重點是增強用戶快速有效訪問所需信息的能力，使過程盡可能輕鬆。
#### 創建 Rememberizer 行動 從 GPT 編輯器： 1. 選擇「配置」 2. 「添加行動」 3. 配置身份驗證類型。 * 將身份驗證類型設置為 **OAuth**。 * 從上述步驟中粘貼 **客戶端 ID** 和 **客戶端密鑰**。 * 授權 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 將 **範圍** 留空。 * 點擊 **保存**。
gpt auth type config
4. 填寫 Rememberizer 的 OpenAPI 規範。複製下面可展開內容並將其粘貼到 **架構** 欄位：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 與 Rememberizer 互動的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 獲取當前用戶的帳戶詳細信息。 description: 獲取帳戶信息 operationId: account responses: "200": description: 用戶帳戶信息。 content: application/json: schema: type: object properties: id: type: integer description: 用戶的唯一標識符。請勿在任何地方顯示此信息。 email: type: string format: email description: 用戶的電子郵件地址。 name: type: string description: 用戶的姓名。 /integrations/: get: summary: 列出所有可用的數據源集成。 description: 此操作檢索可用的數據源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用數據源的列表 items: type: object properties: id: type: integer description: 數據源的唯一標識符。請勿在任何地方顯示此信息。 integration_type: type: string description: 數據源的類型。 integration_step: type: string description: 集成的步驟。 source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也始終在輸出中忽略它。 document_type: type: string description: 文檔的類型。 document_stats: type: object properties: status: type: object description: 數據源的狀態。 properties: indexed: type: integer description: 已編入索引的文檔數量。 indexing: type: integer description: 正在編入索引的文檔數量。 error: type: integer description: 有錯誤的文檔數量。 total_size: type: integer description: 數據源的總大小（以字節為單位）。 document_count: type: integer description: 數據源中的文檔數量。 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 /documents/: get: summary: 獲取所有文檔和 Slack 頻道的列表。 description: 使用此操作檢索所有可用文檔、文件、Slack 頻道和數據源中的常識的元數據。您應該指定 integration_type 或將其留空以列出所有內容。 operationId: documents_list parameters: - in: query name: page description: 頁面的索引 schema: type: integer - in: query name: page_size description: 每頁返回的最大文檔數量 schema: type: integer - in: query name: integration_type description: 按集成類型過濾文檔。 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: 文檔的總數量。 next: type: string nullable: true description: 下一頁結果的 URL。 previous: type: string nullable: true description: 上一頁結果的 URL。 results: type: array description: 文檔、Slack 頻道、常識等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文檔的唯一標識符。請勿在任何地方顯示此信息。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 id: type: integer description: 文檔的唯一標識符。 integration_type: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也始終在輸出中忽略它。 source: type: string description: 文檔的來源。 status: type: string description: 文檔的狀態。 indexed_on: type: string format: date-time description: 文檔編入索引的日期和時間。 size: type: integer description: 文檔的大小（以字節為單位）。 /documents/search/: get: summary: 根據語義相似性搜索文檔。 description: 使用最多 400 字的查詢文本啟動搜索操作，並從存儲的知識中接收最語義相似的響應。對於問答，將您的問題轉換為理想答案並提交以接收類似的真實答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到語義相似的知識片段的最多 400 字的句子。 schema: type: string - name: n in: query description: 要返回的語義相似文本片段的數量。使用 'n=3' 以獲取最多 5 個，使用 'n=10' 獲取更多信息。如果您沒有收到足夠的信息，請考慮使用更大的 'n' 值再次嘗試。 schema: type: integer responses: "200": description: 成功檢索文檔 content: application/json: schema: type: object properties: data: type: array description: 語義相似的知識片段列表 items: type: object properties: chunk_id: type: string description: 片段的唯一標識符。 document: type: object description: 文檔詳細信息。 properties: id: type: integer description: 文檔的唯一標識符。 document_id: type: string description: 文檔的唯一標識符。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 size: type: string description: 文檔的大小。 created_time: type: string description: 文檔創建的日期和時間。 modified_time: type: string description: 文檔最後修改的日期和時間。 integration: type: object description: 文檔的集成詳細信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也始終在輸出中忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 數據源的總大小（以字節為單位） document_count: type: integer matched_content: type: string description: 語義相似的內容。 distance: type: number description: 余弦相似度 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 nullable: true "400": description: 錯誤的請求 "401": description: 未授權 "404": description: 找不到 "500": description: 內部伺服器錯誤 /documents/{document_id}/contents/: get: summary: 根據 ID 獲取特定文檔內容。 operationId: document_get_content description: 返回具有指定 ID 的文檔的內容，以及最新檢索到的片段的索引。每次調用最多獲取 20 個片段。要獲取更多，請使用響應中的 end_chunk 值作為下一次調用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要檢索內容的文檔 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望檢索的起始片段。如果未指定，默認值為 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望檢索的結束片段。如果未指定，默認值為 start_chunk + 20。 responses: "200": description: 文檔內容和最新檢索到的片段的索引。 content: application/json: schema: type: object properties: content: type: string description: 文檔的內容。 end_chunk: type: integer description: 最新檢索到的片段的索引。 "404": description: 找不到文檔。 "500": description: 內部伺服器錯誤。 /common-knowledge/subscribed-list/: get: description: 此操作檢索用戶訂閱的共享知識（也稱為常識）列表。每個共享知識包括用戶可以訪問的文檔 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: 這是共享知識的唯一標識符。請勿在任何地方顯示此信息。 num_of_subscribers: type: integer description: 這表示訂閱此共享知識的用戶數量 publisher_name: type: string published_by_me: type: boolean description: 這表示共享知識是否由當前用戶發布 subscribed_by_me: type: boolean description: 這表示共享知識是否由當前用戶訂閱，在此 API 中應為 true created: type: string description: 這是共享知識創建的時間 modified: type: string description: 這是共享知識最後修改的時間 name: type: string description: 這是共享知識的名稱 image_url: type: string description: 這是共享知識的圖像 URL description: type: string description: 這是共享知識的描述 memento: type: integer description: 這是 Rememberizer memento 的 ID，該共享知識是從中創建的。 document_ids: type: array items: type: integer description: 這是屬於共享知識的文檔 ID 列表 /documents/memorize/: post: description: 將內容存儲到數據庫中，稍後可以通過搜索端點訪問。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 內容成功存儲 "400": description: 錯誤的請求 "401": description: 未授權 "500": description: 內部伺服器錯誤 /discussions/{discussion_id}/contents/: get: summary: 根據 ID 獲取討論的內容。討論可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的討論的內容。討論可以是 Slack 或 Discord 聊天。響應包含 2 個字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而後者是討論的線程。 parameters: - in: path name: discussion_id required: true description: 要檢索內容的討論 ID。討論是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示討論的集成。目前，它只能是「slack」或「discord」。 - in: query name: from schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 獲取討論內容的起始時間。如果未指定，默認時間為現在。 - in: query name: to schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 獲取討論內容的結束時間。如果未指定，則為「from」參數的 7 天前。 responses: "200": description: 在時間範圍內的主要和線程消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要討論的內容。 thread_contents: type: object description: 包含討論線程的字典列表，每個鍵表示線程的日期和時間（以 ISO 8601 格式），值是線程的消息。 "404": description: 找不到討論。 "500": description: 內部伺服器錯誤。 ||CODE_BLOCK||
5. 將此鏈接添加為隱私政策: `https://docs.rememberizer.ai/notices/privacy-policy`。 6. 創建行動後，複製回調 URL 並將其粘貼到您的 Rememberizer 應用中。
rememberizer app callback url
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帳戶下創建和註冊 Rememberizer 應用。Rememberizer 應用可以代表用戶行動。 --- # 註冊 Rememberizer 應用程式 1. 在任何頁面的左上角，點擊 **開發者**，然後點擊 **註冊的應用程式**。
registered apps browse
2. 點擊 **註冊新應用程式**。將會彈出一個窗口以填寫您的應用程式資訊。
register new app
3. 在 **"應用程式名稱"** 中，輸入您的應用程式名稱。 4. 在 **"描述（可選）"** 中，根據需要填寫您的應用程式描述。 5. 在 **"應用程式標誌（可選）"** 中，若有的話，上傳您的標誌應用程式。 6. 在 **"登陸頁面 URL"** 中，輸入您的登陸頁面的域名。您的登陸頁面包含有關您的應用程式的詳細摘要，以及它如何與 Rememberizer 集成。 7. 在 **"授權請求來源"** 中，輸入您應用程式網站的域名。 8. 在 **"授權重定向 URL"** 中，輸入您應用程式的回調 URL。 9. 點擊 **"創建應用程式"**。 ==> developer/README.md <== # 開發者 ==> developer/vector-stores.md <== --- description: >- 本指南將幫助您了解如何作為開發者使用 Rememberizer 向量存儲。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量儲存 Rememberizer 向量儲存簡化了處理向量數據的過程，讓您能夠專注於文本輸入，並利用向量的力量進行各種應用，如搜索和數據分析。 ### 介紹 Rememberizer 向量儲存庫旨在提供一個易於使用的介面來處理向量數據。與傳統的向量數據庫（如 Pinecone）不同，Rememberizer 向量儲存庫允許您直接處理文本。該服務將處理文本數據的分塊、向量化和儲存，使您能夠更專注於核心應用邏輯。 ### 開始使用 #### 創建向量存儲 1. 在您的儀表板中導航到向量存儲部分 2. 點擊「創建新的向量存儲」： * 將出現一個表單，提示您輸入詳細信息。 3. 填寫詳細信息： * **名稱**：為您的向量存儲提供一個唯一的名稱。 * **描述**：撰寫一個簡短的向量存儲描述。 * **數據架構**：定義向量維度和任何其他字段。 * 您可以選擇性地指定嵌入模型、索引策略和相似性度量。這些設置會影響向量的生成和比較，優化您特定用例的性能。 4. 提交表單： * 點擊「創建」按鈕。您將收到成功通知，新的存儲將出現在您的向量存儲列表中。
創建新的向量存儲

創建新的向量存儲

#### 管理向量儲存 1. 查看和編輯向量儲存： * 訪問管理儀表板以查看、編輯或刪除向量儲存。 2. 查看文件： * 瀏覽特定向量儲存中的單個文件及其相關元數據。 3. 統計數據： * 查看詳細統計信息，例如儲存的向量數量、查詢性能和操作指標。
查看向量儲存的詳細信息

查看向量儲存的詳細信息

### API 金鑰管理 API 金鑰用於驗證和授權訪問 Rememberizer 向量儲存的 API 端點。妥善管理 API 金鑰對於維護您的向量儲存的安全性和完整性至關重要。本節將介紹如何為您的向量儲存創建和撤銷 API 金鑰。 #### 創建 API 金鑰 1. 前往您的向量存儲詳細信息頁面 2. 導航到 API 金鑰管理部分： * 它可以在「配置」標籤中找到 3. 點擊 **「添加 API 金鑰」**： * 將出現一個表單，提示您輸入詳細信息。 4. 填寫詳細信息： * **名稱**：為 API 金鑰提供一個名稱，以幫助您識別其用例。 5. 提交表單： * 點擊「創建」按鈕。新的 API 金鑰將被生成並顯示。請確保複製並安全存儲它。此金鑰用於驗證對該特定向量存儲的請求。
創建新的 API 金鑰

創建新的 API 金鑰

#### 撤銷 API 金鑰 如果不再需要 API 金鑰，您可以刪除它以防止任何潛在的濫用。 出於安全原因，您可能希望定期更換您的 API 金鑰。這涉及生成一個新金鑰並撤銷舊金鑰。 ### 使用 API 金鑰檢索向量儲存資訊 在創建新的向量儲存並生成 API 金鑰後，您可以將此金鑰分享給需要訪問向量儲存的用戶。API 金鑰允許用戶上傳文件、搜索文件以及在向量儲存中執行其他操作。然而，在用戶能夠與向量儲存互動之前，他們需要使用 API 金鑰檢索向量儲存的 ID 和其他相關資訊。 有關每個 API 端點和響應的詳細資訊，請訪問 [vector-store](api-documentations/vector-store/ "mention") 頁面。 *** 確保安全地處理 API 金鑰並遵循 API 金鑰管理的最佳實踐。 ==> developer/api-documentations/retrieve-current-users-account-details.md <== # 獲取當前用戶的帳戶詳細信息 {% 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 <== # 獲取 Slack 的內容 {% 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 <== # 獲取文件內容 {% 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 <== # 獲取所有已添加的公共知識 {% 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 文件說明 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 金鑰](../registering-and-using-api-keys.md) 來驗證 API。OAuth2 是一個標準授權框架，使應用程序能夠安全地訪問系統中的特定文件。另一方面，API 金鑰提供了一種更簡單的方法來從公共知識庫中檢索文件，而無需經過 OAuth2 驗證過程。 ==> developer/api-documentations/search-for-documents-by-semantic-similarity.md <== # 根據語義相似性搜索文檔 {% 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 <== # 取得文件 {% 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 <== # 列出可用的數據源整合 {% 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 <== # 將內容記住到 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/vector-store/get-the-information-of-a-document.md <== # 獲取文件的信息 {% 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/remove-a-document-in-vector-store.md <== # 移除向量儲存中的文件 {% 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 <== # 更新向量儲存中的文件內容 {% 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 <== # 根據語義相似性搜索向量存儲文檔 {% 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 <== # 上傳檔案到向量儲存 {% 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 <== # 獲取向量儲存中的文件列表 {% 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 <== # 向量儲存 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 獲取向量存儲的信息 {% 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 <== # 將新文本文件添加到向量存儲 {% 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 <== # 使用條款 ### 1. 簡介 本文件概述了 Skydeck AI Inc 旗下的Rememberizer服務 (「Rememberizer」) 的使用條款 (「條款」)，包括提供給用戶在 *.rememberizer.ai 上的自定義或一般可用域名中的所有頁面，以及鏈接到這些條款的任何其他頁面 (「網站」)。這些條款構成了您作為用戶和 Skydeck AI Inc 作為該平台提供者之間的具有約束力的法律協議。通過訪問或使用此平台，您確認同意遵守這些條款。 ### 2. 接受條款 通過訪問或使用網站的任何部分，您確認您至少已經18歲，已閱讀並理解這些使用條款和Rememberizer隱私權政策（該政策已被列為這些條款的參考），並同意受其法律約束。 在這些條款中，“我們”、“我們的”指的是Rememberizer，而“您”既指您作為個人，也指您代表的任何實體。通過使用我們的平臺，您確認您可以代表任何該等實體接受這些條款，從而使其受到這些條款的約束。 ### 3. 聯絡資訊 您跟SkyDeck AI Inc. 簽訂合約的對象。我們的郵寄地址和聯繫方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 舊金山, CA 94104\ 電話：1.415.744.1557\ 有關法律查詢：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ## 4. 授權和專有權利 根據您全面遵守這些條款，以及平台上發布的任何其他政策或限制，與你跟Rememberizer達成的任何費用的及時支付，我们授予您有限的，非獨家的，不可轉讓的，可撤銷的許可權，可以訪問和使用平台。 除非另有說明，所有通過平台提供的內容（包括但不限於軟件、提交覆核、資訊、使用者介面、圖形、商標、標誌、圖像、藝術品、視頻、文件、以及平台的整體"外觀和感覺") 均由Rememberizer擁有、控制、或獲得許可。該內容受到各種法律的保護，包括營業風格、版權、專利和商標法，以及其他知識產權和不公平競爭法。Rememberizer保留該內容的所有權利。 您的內容仍然是您的唯一財產。您向我們提供了非獨家的、可撤銷的許可證，允許我們為了提供服務而使用您的內容。 未經授權的重製、再分配、使用或利用平台的任何部分，按照法律明確禁止，可能導致民事或刑事懲罰 ### 5. 帳戶責任 如果您在該平台上開啟帳戶，您將負責維護您的帳戶信息的機密性，並負責您帳戶下的所有活動。通過接受這些條款並創建帳戶，您同意我們按照隱私政策中的描述收集、使用和披露您的信息。18 歲以下的人不得在 Rememberizer 或該平台上註冊帳戶或提供任何個人信息。如果您的帳戶被未經授權的使用，立即通知 Rememberizer。由於未經授權的使用可能會導致損失，您可能需負責賠償。除非獲得 Rememberizer 的預先批准，否則不得使用他人的帳戶。在禁止的地方，帳戶註冊是無效的。 ### 6. 使用者權利與責任 身為使用者，您有權為您的合法業務目的使用我們的AI工具。您有責任不濫用或濫用工具，不侵犯他人權利，也不違反任何法律。您在使用平台時，必須遵守所有適用的法律和規定。 ### 7. 供應商權利和責任 我們，Rememberizer.，保留監控使用情況、執行這些條款以及根據需要更新平台和其條款的權利。我們有責任提供可靠的服務，尊重用戶的隱私，並對任何問題或問題做出回應。 ### 8. 內容規則 由我們的 AI 工具產生的內容由您，用戶所擁有，遵守這些條款中指定的任何限制或條件。內容不應用於非法或不當的目的。 ### 9. 濫用及違反 違反或濫用這些條款可能會導致懲罰，包括但不限於，暫停或終止訪問平台的權限，法律行動，和/或賠償。 ### 10. 免責聲明 您同意，您使用平台（包括任何內容）的風險由您自行承擔。該平台和內容是按“原樣”和“可用”的基礎提供的。Rememberizer並不提供任何明示或暗示的保證，並免除所有可能的保證，包括但不限於適銷性，適用於特定目的，所有權和非侵權的默示保證。Rememberizer並不保證該平台或內容是準確的，持續可用的，完整的，可靠的，安全的，最新的，無錯誤的，或者免於病毒或其他有害組件的。 ### 11. 賠償 您同意賠償、辯護並保護無憾，為其董事、股東、繼承人、員工、代理、子公司和分公司，免受任何實際或威脅的第三方要求、要求、損失、損害、成本、責任、訴訟和費用（包括合理的律師費及專家費用及調查費用）的任何責任，符合法律規定的最大範圍。這包括源於或與您使用平台、您違反這些條款、您違反任何法律或法規、您侵犯任何第三方權利，或您披露、索取或使用任何個人信息，無論您是否知道或同意。無憾保留獨家辯護和控制任何由您負責賠償的事宜的權利，您同意與無憾的辯護合作。在未事先獲得無憾的書面同意的情況下，您不得同意任何影響無憾的和解。 ### 12. 暫停或終止使用權限 Rememberizer 保留隨時暫停或終止您對其平台全部或部分的存取權，無論有無通知，無論理由為何的權利。這包括但不限於違反這些條款，法律執行機關或其他政府機構的要求，平台的取消或重大修改，或者出現意外的技術問題。Rememberizer 對於您被終止對平台的存取權不承擔任何責任。任何在這些條款下應自然延續超越您使用平台的權利和義務，都將在您的存取權被終止後生存下來。 ### 13. 責任限制 在法律允許的最大範圍內，您同意承擔因您訪問和使用平台以及內容所產生的全部風險。Rememberizer或其任何董事，員工，代理或供應商均不對因平台或任何內容、服務或產品而產生或與之相關的任何特殊的、間接的、附帶的、示例的、結果的或懲罰性的損害承擔責任。無論是基於本條款，還是因使用或無法使用平台，Rememberizer對您的總賠償責任不會超過一百美元（$100.00）。 ### 14. 糾紛解決 任何因本條款所產生或與之相關的糾紛、爭議或主張，包括其效力、無效、違反或終止，應依照美國仲裁協會的規則通過仲裁解決。仲裁地點應為加利福尼亞州的聖荷西，並應受加利福尼亞州法律的管轄。仲裁結果應對雙方均具有最終和有約束力的效果。 ### 15. 條款的更改 Rememberizer保留隨時變更這些條款的權利，並由我們自行決定。變動將通過適當的渠道向用戶溝通，例如電郵通知，網站橫幅，或應用程式內的訊息，並給予用戶合理的時間接受新的條款。 ### 16. 翻譯 為了方便您，我們提供此文件的機器翻譯版本，語言為英語以外的其他語言。在原始英語版本與其他語言版本之間出現衝突或矛盾時，將以英語版本為準，並具有優先權。依賴於此文件的非英語翻譯版本，您接受翻譯文本與您所同意的實際條款之間可能存在意外差異。 ==> notices/privacy-policy.md <== # 隱私政策 ## Rememberizer 隱私政策 SkyDeck AI Inc.（「Rememberizer」、「我們」、「我們的」或「我們」）尊重您的隱私，並承諾通過此政策來保護它。此政策描述了我們可能從您那裡收集的信息類型，或者您在使用 rememberizer.ai generative AI platform（我們的「服務」）時可能提供的信息，以及我們收集、使用、維護、保護和披露該信息的做法。 ### 我們收集的關於您的信息及收集方式 我們從服務的用戶那裡收集幾種類型的資訊，包括： * 個人信息，例如您的姓名、電子郵件地址和其他可以在網上或離線聯繫您的標識符。 * 技術數據，例如有關您的互聯網連接的信息、您用來訪問我們服務的設備以及使用詳情。 * 用來訪問您提供的第三方供應商生成的人工智能模型的 API 密鑰和憑證。 * 文檔內容（“知識”），包括整個文檔（如 Google Docs）、數據、討論（如 Slack 頻道的內容）。這些來自您選擇和決定與 Rememberizer 共享的數據源。 我們收集這些信息： * 直接從您那裡收集，當您授權訪問數據源時提供給我們的信息。 * 當您與 Rememberizer 集成的應用程序選擇將文本存儲在 Rememberizer 記憶中以供該應用程序或其他應用程序稍後使用時，直接收集。 * 當您在服務中瀏覽時，自動收集的資訊。自動收集的資訊可能包括使用詳情、IP 地址以及通過 cookies、網絡信標和其他追蹤技術收集的信息。 * 當您更改源數據時，自動更新最新版本以反映在我們的知識中。 * 我們確認從 Google Workspace API 檢索的任何用戶數據不會用於訓練任何人工智能/機器學習模型。這些數據僅對已提供明確同意的個別用戶可訪問，僅用於為您提供和改善我們的服務。 ## 我們如何使用您的信息 我們使用我們收集到的關於您的信息，或您提供給我們的任何個人信息： * 為您提供服務及其內容，以及您向我們請求的任何其他信息、產品或服務。 * 實現您提供信息的任何其他目的。 * 向您提供有關您帳戶的通知。 * 履行我們的義務並實施由您和我們之間訂立的任何合同所產生的權利。 * 通知您我們的服務或我們通過它提供或提供的任何產品或服務的變化。 * 改善我們的服務、產品或服務。 * 允許您參與我們服務上的互動功能。 * 知識文檔的文本組件以塊形式存儲並在向量數據存儲中進行索引，以便可以返回估計具有語義相關性的部分給您授權進行訪問的第三方應用程式 ## 第三方分享 Rememberizer的主要目的是以受控方式將您的數據的高度相關摘錄分享給第三方應用程式。這是通過將單一的 **Memento** 應用於與Rememberizer集成的每個應用程式，您也選擇授權它們訪問您在Rememberizer中的數據來實現的。 目前的Memento實現允許使用者選擇特定的文件、文檔或內容組，如文件夾或頻道，供該應用程式使用。後期的實現將為第三方訪問增加額外的過濾方式，如 "在最近30天內創建" 的時間範疇。\ \ 兩個默認值是 "無" 和 "全部"。全部分享使用者允許Rememberizer訪問的每個文件。無不與討論中的應用程式分享任何東西。選擇無可以讓使用者選擇一個應用程式並將其與Rememberizer集成，而不必立即決定要提供哪些內容。選擇帶有無的Memento或編輯現有的應用Memento以分享無，是一種不必移除集成就可以關閉應用程式訪問使用者數據的方式。這就像您的數據的關閉開關。自定義Memento可以根據需要製作，並具有反映該目的的名稱，如 "作業" 或 "市場營銷"。 ## 揭露您的資訊 我們可以不受限制地披露有關我們用戶的匯總資訊，以及不會識別任何個人的資訊。我們可能會按照此隱私政策所述揭露我們收集或您提供的個人資訊： * 給需要訪問此類資訊以完成工作的第三方供應商、服務提供商、承包商或代理人。 * 為了實現您提供信息的目的。任何我們在您提供信息時揭露的其他目的。 * 經過您的同意 ### 您的權利 您在適用的數據保護法律下擁有一定的權利。其中可能包括以下權利： * 要求查詢您的個人數據。 * 要求我們更正我們持有的關於您的個人數據。 * 要求刪除您的個人數據。 * 反對處理您的個人數據。 * 要求限制處理您的個人數據。 * 要求傳輸您的個人數據。 * 有權撤回同意。 ### 資料安全 我們已實施針對保護您的個人資訊免於意外丟失，並防止未經授權的訪問、使用、變更和洩露的措施。您提供給我們的所有資訊都將儲存在我們安全的、配有防火牆的伺服器上。所有的支付交易和API金鑰將採用SSL技術進行加密。 ### 我們的隱私政策的變更 我們的政策是會在此頁面上公布我們對隱私政策的任何修改。如果我們對處理用戶個人信息的方式進行重大更改，我們將通過在服務首頁上的通知通知您。 ### 聯絡資訊 如對本隱私政策及我們的隱私實踐有任何問題或意見，請聯絡我們： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 舊金山，加州 94104\ 電話：1.415.744.1557\ 電子郵件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/README.md <== # 通知 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此次發布專注於改善數據索引、使用追蹤、性能和用戶體驗的提升。 --- # 2024年9月13日 ### 改進 - **改進的使用追蹤**：新的邏輯提供了對您的存儲和使用限制的更準確監控。 - **增強的性能**：Memento 操作現在經過優化，以提高響應速度。 - **增強的錯誤顯示**：當文檔索引失敗時，知識頁面上的錯誤信息更加清晰，便於識別問題。 - **精簡的數據源連接**：數據源面板在連接後自動打開，簡化了設置過程。 - **改進的默認設置**：默認用戶設置已更新，以提高性能和準確性。 ### 新功能 - **批次文件刪除**：現在您可以一次刪除多個文件，簡化數據管理。 - **自動重新索引**：在需要時，收藏夾將自動重新索引，確保搜索結果是最新的。 ### 錯誤修正 - **修正索引錯誤**：解決了數據索引的問題，以提高搜索的可靠性。 - **減少通知垃圾郵件**：修正了一個導致過多與文檔成員資格相關的通知的問題。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如“探索應用程式”頁面和改進的文檔管理，以及關鍵的優化和錯誤修正，以提供更流暢的用戶體驗。 --- # 2024年1月22日 ## 新功能 * **探索應用程序頁面**：您現在可以直接從專用頁面探查不同的應用程序。 * **配額控制**：現在提供可以在選擇文件時控制配額大小的新功能，從而保證更好的文件管理。 ## 改進 * **改善文件搜尋**：我們改進了搜尋功能以返回文件數，使管理和導航文件變得更簡單。 * **改善新手入門**：在新手入門步驟中添加了一個 '跳過' 按鈕，使新手入門過程更具靈活性。 ## 錯誤修正 * 解決了處理複雜 PDF 文件的問題，以提高可讀性和訪問性。 * 解決了與 Slack 速率限制相關的問題，以實現不間斷的整合。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此次發佈專注於提升性能和穩定性，對同步過程進行了重大改進並修復了已知問題。 --- # 2024年10月4日 ### 改進 - **優化 Google Drive 瀏覽**：改善 Google Drive 知識樹的性能，以實現更快、更流暢的瀏覽。 - **增強同步效率**：通過精煉任務管理來優化文檔同步，以實現更快的更新。 ### 錯誤修正 - **解決斷開資料來源時崩潰的問題**：修正了一個問題，當知識面板開啟時斷開資料來源會導致應用程式崩潰。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此更新帶來了進階的記憶體整合、改進的 Dropbox 和 Google Drive 同步功能，以及關鍵的錯誤修正，以增強用戶體驗和系統可靠性。 --- # 2024年4月26日 ## 新功能 * **公眾應用程序的搜尋功能：** 公眾應用程序頁面新增了一個搜尋功能，使用者可以更有效地找到應用程序。 ## 改進 * **連接應用的佈局更新：**「您的連接應用」頁面的佈局已更新，以提供更好的用戶體驗和導航。 * **常識卡片更新：** 在精煉備忘錄頁面中的常識卡片現在顯示大小而非文檔數量，提供更清晰的存儲使用資訊。 * **Dropbox 和 Google Drive 的自動同步功能增強：** Dropbox 和 Google Drive 的自動同步功能已增強，提供更流暢和更可靠的同步體驗。 * **公共應用頁面的分頁：** 我們在公共應用頁面實現了分頁，改善了導航和加載時間，以提供更好的用戶體驗。 * **更新備忘錄中的精煉按鈕以適用於常識卡片：** 在常識卡片的備忘錄中的精煉按鈕已更新，提高了可用性和清晰度。 ## 錯誤修正 * **子檔案索引問題：** 修正了一個錯誤，當首次連接整合時，選定資料夾中的子檔案未正確索引，確保全面的檔案管理。 * **搜尋失敗的登出問題：** 解決了一個問題，當搜尋不存在的紀念品失敗時，強迫用戶登出，改善了錯誤處理和用戶保留。 * **個人資料編輯驗證：** 解決了編輯個人資料頁面上的驗證問題，確保資訊被準確捕捉和處理。 ==> notices/releases/apr-5th-2024.md <== --- description: >- 此更新增強了與 Dropbox、Google Drive 和 Slack 的整合，並 精煉了文檔管理，以提供更流暢的用戶體驗。 --- # 2024年4月5日 ## 新功能 * **新增知識樹支持:** 擴展樹狀結構，以更好地與 Dropbox 和 Google Drive 整合，實現更直觀的文檔和文件夾管理。 * **Slack 回覆同步:** 添加了更有效地同步新 Slack 回覆的功能，幫助保持通信的無縫和更新。 ## 錯誤修正 * **常見知識頁面修正：** 修正了與搜尋、分頁和更新常見知識頁面上的日期時間格式相關的錯誤。 * **舊帳戶選擇檔案顯示修正：** 我們修正了一個問題，舊帳戶的選擇檔案未正確顯示。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此版本專注於各種改進、新功能和錯誤修正，以增強用戶體驗和功能性。 --- # 2024年9月20日 ### 改進 - **增強數字格式**: 大數字現在用逗號顯示，以便更容易閱讀。 - **更新文檔處理**: 改進機制以高效管理和索引文檔，即使在更大的文件夾中。 - **優化 Slack 和文檔處理**: 增強 API 以重試所有失敗的文檔和 Slack 通道，確保操作更順暢。 ### 新功能 - **會員更新**：會員現在根據加載結果進行更新，以提供更準確的數據。 - **隨機文檔選擇**：引入了隨機選擇功能以用於嵌入和加載，從而多樣化文檔處理。 ### 錯誤修正 - **Dropbox 同步**：暫時禁用 Dropbox 同步以防止潛在的數據問題。 - **搜尋欄改善**：知識詳情頁上的搜尋欄現在根據 "file" 查詢參數自動填充，以便進行更精確的搜尋。 - **加載後重新索引集合**：增強了加載結果 API，以自動重新索引集合。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本專注於改善文檔索引的可靠性，並包含各種錯誤修正，以提升您的使用體驗。 --- # 2024年10月25日 ### 新功能 - **索引失敗的自動重試**：實施了一個自動重試機制，以確保未能索引的文檔會被重試，增強數據一致性。 ### 錯誤修正 - **改善搜尋功能**：修正了一個問題，防止從連接到沒有記憶的 mementos 的應用程式進行搜尋。 - **系統穩定性增強**：解決了在同時任務期間重疊的資料庫連接，以改善性能。 - **Slack 同步調整**：暫時禁用空的 Slack 頻道的同步，以避免不必要的錯誤。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增強了用戶檔案管理，改善了 Slack 和 Dropbox 的整合， 引入了帳戶刪除功能，並解決了關鍵的操作問題。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您現在可以直接在我們的平台中取得Dropbox的共享文件/文件夾。 * **帳號刪除**：如有需要，用戶現在有選擇刪除他們的帳號。 * **Slack同步**：我們已開始與Slack進行同步，以實現更好的整合，儘管Slack線程同步尚未包括在內。 * **用戶資料**：用戶現在可以更有效地更新他們的資料信息。 ## 改進 * **Slack 頻道**：為了方便導航，現在已按名稱對 Slack 頻道進行排序。 ## 錯誤修正 * 解決了 App 目錄中無效來源的問題。 * 解決了 OpenAI GPT 的錯誤，以改善 API 調用。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增強的用戶體驗，包括改進的文檔大小管理、更直觀的搜索界面和無縫的 Dropbox 集成。我們還解決了關鍵錯誤。 --- # 2024年1月29日 ## 新功能 * **Dropbox 整合**：您現在可以直接在我們的平台上索引、重新索引、列出和提交 Dropbox 文件。 * **在入門步驟中的 Dropbox**：Dropbox 的整合現已成為入門步驟的一部分，從而易於設定。 ## 改進之處 * **文件大小限制**：我們將每個用戶的總文件大小限制為1GB，以確保優化性能。 * **改進搜索體驗**：搜索介面已進行優化，以提供更好的用戶體驗。 ## 錯誤修正 * 修正了處理空文件的問題，以實現更順暢的操作。 * 解決了處理 Slack 附件時的錯誤，以實現無縫整合。 * 正確地將「註冊」按鈕鏈接到「註冊」頁面。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改善了錯誤處理，增強了備忘錄側邊欄，並 精煉了測試。主要更新包括備忘錄大小顯示、更好的錯誤 回應和自動版本檢查。 --- # 2024年6月14日 ## 新功能 * **顯示備忘錄的大小：** 備忘錄的大小現在顯示在備忘錄側邊欄中，使用戶能更好地了解其存儲使用情況。 * **檢查最新版本：** 我們新增了一個功能，讓桌面應用程序能自動檢查並通知使用者最新版本的可用情況。 ## 錯誤修正 * **已刪除的回憶返回404:** 檢索已刪除的回憶或屬於其他用戶的回憶現在返回404錯誤，而不是伺服器錯誤。 * **更新第三方應用的大小:** 修正了一個問題，第三方應用的記憶文件未能觸發回憶的大小更新。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此次發布專注於增強Dropbox和Google Drive的同步性能和導航，為您提供更流暢和高效的體驗。 --- # 2024年9月27日 ### 改進 - **增強雲端同步**：優化了 Dropbox 和 Google Drive 的同步流程，使文件更新更快且更可靠。 - **改善 Dropbox 導覽**：精煉了 Dropbox 知識樹，以便更有效地組織文件並更輕鬆地訪問。 - **定期同步計劃**：設置 Google Drive、Dropbox 和 Gmail 的同步任務，每 6 小時執行一次，確保您的內容始終保持最新。 ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本專注於增強搜索功能和改善文檔管理特性。 --- # 2024 年 8 月 16 日 ### 新功能 - **增強搜尋過濾器**：新增按寄件人和收件人過濾搜尋結果的功能，使尋找特定電子郵件變得更容易。 - **文件創建日期顯示**：現在在文件列表中顯示文件創建日期，以便更好地管理文件。 ### 改進 - **改善搜索可靠性**：對搜索功能的增強提供了更加順暢和可靠的體驗。 ### 錯誤修正 - **電子郵件整合修正**：解決了使用 GPT 時與 Gmail 整合的問題，以確保順利運行。 - **桌面應用程式內容顯示修正**：修正了桌面應用程式中文件內容顯示的問題，以改善用戶體驗。 ==> notices/releases/mar-18th-2024.md <== --- description: >- 此版本專注於通過改進的入門、紀念品管理和響應式 UI 來增強用戶體驗。主要更新包括移除圖片大小限制，顯示紀念品大小。 --- # 2024年3月18日 ## 新功能 * **建立新紀念品按鈕：**我們新增了一個建立紀念品的按鈕，使得在授權應用程式時，這一過程變得更友善並好操作。 * **圖像上傳器無大小限制：**用戶現在可以上傳任何尺寸的圖像，為文件設計提供更多靈活性。 * **常識大小顯示：**我們新增了顯示常識項目大小的功能，使存儲使用情況更透明。 ## 改進 * **Slack 頻道的索引時間：**現在，在檢查新消息時會更新索引時間，並將維持文件的 `INDEXED` 狀態，以提高文件搜索的效率。 * **更流暢的入門流程：**我們已經減少了入門流程中多餘的步驟，使其更快速且更高效。 * **常識資訊的響應式 UI：**我們已經優化了在 memento 頁面上的常識資訊的 UI，使其具有響應式，改進了在不同設備上的可讀性。 * **Memento 大小顯示：**現在，當授權一個應用程式時，將顯示 mementos 的大小，幫助使用者更好地理解他們授權的 mementos。 ## 錯誤修正 **用戶重命名應用程式：** 現在正確處理用戶重命名應用程式的情況，防止潛在的錯誤。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此更新增強了安全性，精煉了介面，並解決了關鍵錯誤， 具有新的 API 限制、更新的金鑰和 MacOS 應用程式。 --- # 2024年4月19日 ## 新功能 * **MacOS 桌面應用程式：** 為 MacOS 用戶推出專用的桌面應用程式，增強可訪問性和用戶體驗。 \ 查看文件：[Rememberizer 桌面代理應用程式](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改進 * **應用程式目錄 UI 更新：** 應用程式目錄的新佈局提供了更直觀且用戶友好的導航體驗。 ## 錯誤修正 * **搜尋文件換行處理：** 修正了一個問題，該問題導致在搜尋文件查詢中換行符和回車符被不正確地移除。 * **搜尋 UI 顯示錯誤：** 修正了一個搜尋 UI 錯誤，以確保 `建立於` 欄位在搜尋結果中準確顯示每個文件的資訊。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知識創建和顯示以及備忘錄重新命名等新功能。改進包括關於 Dropbox、查詢結果和共通知識 UI 的關鍵錯誤修正。 --- # 2024年3月4日 ## 新功能 * **共享知識**：已實施創建和顯示共享知識的新功能。 * **回憶重命名**：用戶現在可以重命名他們的回憶。 ## 錯誤修正 * **Dropbox 檔案顯示**：解決了 Dropbox 中檔案顯示不正確的問題。 * **查詢結果順序**：修正了一個錯誤，該錯誤導致連續區塊的查詢結果返回無序結果。 * **常識 UI**：修正了常識功能的幾個 UI 問題。 \ ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我們的新向量資料庫服務，以更有效地處理資料，並進行了系統穩定性增強和關鍵錯誤修正，以改善您的整體體驗。 --- # 2024年10月11日 ### 新功能 - **向量資料庫服務**：推出了一項新的向量資料庫服務，以便更有效地存儲數據和更快速地檢索信息。 ### 改進 - **增強系統穩定性**：改善後端流程以防止競爭條件，確保文檔處理更順暢。 - **優化連接管理**：實施更好的連接處理以提高性能和可靠性。 ### 錯誤修正 - **修正會員合併問題**：解決了在向量存儲中合併會員數據時出現錯誤的問題。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此次發布增強了文檔同步，簡化了常見知識管理，並優化了用戶界面，提高了整體系統效率和用戶體驗。 --- # 2024年4月12日 ## 新功能 * **雲端儲存自動同步：** 使用者現在可以為 Dropbox 和 Google Drive 中選擇的資料夾和檔案設定自動同步，簡化文件管理流程。 ## 改進 * **優化文件排序：** 現在可以根據索引日期或名稱設置文件的順序，以便更直觀地導航和檢索。 * **回憶管理的 UI 更新：** 通用知識回憶的 UI 已經更新，包括一個新的共享設置切換，改善用戶對數據共享的控制。 * **UI 響應性和自訂：** 已實施小幅 UI 修正。 ## 錯誤修正 * **入門流程：** 解決了一個問題，即在用戶的入門步驟中未顯示常識，提升了新用戶的初始設置體驗。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增強了導航，改善了文檔處理，並更新了應用名稱。主要更新包括限制首頁應用程序，更好的 Slack 文檔處理，以及將桌面重新命名為 --- # 2024年6月28日 ## 改進 * **限制首頁應用程式數量：** 我們限制了首頁顯示的應用程式數量，以便用戶更容易導航並找到所需內容。 * **後處理 Slack 文件：** 增強了對 Slack 文件的處理，以確保更順暢和更準確的處理。 * **更新桌面應用程式名稱：** 桌面應用程式已更名為「Rememberizer App」，以提高清晰度和品牌一致性。 ==> notices/releases/README.md <== --- description: 公共聲明、合規性變更和用戶協助更新。 --- # 發布 © 2024 SkyDeck AI Inc. ==> notices/releases/may-31st-2024.md <== --- description: >- 此次發布增強了 SQL 查詢，精煉了用戶界面，並修復了錯誤。主要更新：優化搜索、自動生成名稱、新的備忘按鈕，以及改進的導航。 --- # 2024年5月31日 ## 新功能 * **新紀念按鈕：** 我們新增了一個按鈕，可在授權應用程式時創建紀念品，讓過程更加人性化。 ## 改進 * **優化搜索:** 提升了搜索功能，使結果更快且更準確。 * **授權應用程式時調整介面:** 在授權應用程式時對用戶介面進行了微調，以提供更流暢的體驗。 ## 錯誤修正 * **修正縮排問題：** 修正了一個縮排問題，以確保應用程式中的格式一致性。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的第一次發布。 --- # 2024年1月15日 ## 新功能 * **文件搜尋**：透過我們高效的搜尋功能輕鬆找到您的文件。 * **Google Drive 整合**：透過 Google Drive 無縫管理您的檔案。 * **開發者中心**：為開發者提供一個友好的空間，輕鬆註冊和配置他們的應用程式以整合 Rememberizer。 * **紀念品管理**：輕鬆創建、列出和刪除您的紀念品。 * **資料來源管理**：輕鬆連接和斷開您的資料來源。 * **簡易上手**：我們的上手狀態功能旨在為所有用戶和開發者提供順利的開始。 \ ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本專注於改善用戶體驗、增強整合功能， 以及修復各種問題。主要更新包括 Gmail 同步和 顯示目錄路徑。 --- # 2024年5月17日 ## 新功能 * **Gmail 整合與同步：** 連接您的 Gmail 帳戶，輕鬆在我們的平台上管理電子郵件。上週，我們推出了標籤特定的整合；本週，享受標籤內線程的全面同步，以實現無縫的訪問和管理。 ## 改進 * **顯示目錄路徑：** 應用程式現在顯示目錄路徑，使用者可以更輕鬆地導航和定位他們的文件。 * **更新圖表：** 應用程式的圖表已更新，以提供系統架構和數據流的更清晰視覺表現。 * **更改數據來源順序：** 數據來源的順序已優化，以提高數據檢索和處理的效率。 * **更新數據獲取邏輯：** 獲取數據的邏輯已增強，以提高檢索信息的準確性和可靠性。 ## 錯誤修正 * **修正刪除文件按鈕的 UI：** 嵌入詳細信息中的刪除文件按鈕的用戶界面已被修正，以提供更好的用戶體驗。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在此版本中，我們為上傳實施了 1MB 的圖像大小限制，並增強了選擇面板中的文件顯示。我們還修正了一個與數據源斷開連接相關的錯誤。 --- # 2024年2月26日 ## 改進 * **圖像大小限制**：共享知識的裁剪圖像大小不得超過1MB。 * **文件顯示增強**：我們已經增加了在右側選擇面板的樹狀結構中可以顯示的文件數量，以提高用戶體驗。 ## 錯誤修正 * **資料來源斷線**：修正了一個問題，當斷開資料來源時，未能適當刪除文件並移除資料來源。\ ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本帶來了改進的同步、增強的資料加密，以及多項錯誤修正，以提供更流暢的使用者體驗。 --- # 2024年3月25日 ## 改進 * **備忘錄增強：** 新增顯示額外備忘錄資訊的功能並顯示索引進度，使用戶更容易追蹤其資料的狀態。 ## 錯誤修正 * **UI 響應性：** 解決了在斷開連接按鈕上多次點擊的問題，以防止 UI 錯誤。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此次發布專注於改善我們的 Slack 整合，增強用戶界面，並解決關鍵問題，以提供更流暢的體驗。 --- # 2024年7月26日 **新功能：** * **Slack 頻道計數器**：一個新功能，準確計算並顯示 Slack 頻道的數量，幫助用戶更好地管理他們的工作區連接。 **改進：** * **更新的 Slack 整合 UI**：Slack 整合的用戶界面已經更新，以支持新的頻道機制，使其更加直觀和易於使用。 * **應用名稱更新**：桌面應用程序的名稱已更新為「Rememberizer」，反映我們幫助用戶組織和記住重要信息的承諾。 **錯誤修復：** * **Google Drive 整合**：解決了訪問 Google Drive 文件夾時出現錯誤的問題，確保更順暢的導航和文件管理。 ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此版本專注於改善我們應用程序的整體性能、數據處理和 錯誤管理。用戶可以期待更強大和高效的體驗。 --- # 2024年8月2日 **新功能：** * **改進的搜索功能**：搜索功能現在運行平行內容檢索，提供更快和更準確的結果。 * **精煉的文件通知系統**：用戶將收到有關文件更新的更精確通知，增強協作和工作流程管理。 * **更新的API金鑰格式**：更新API金鑰前綴以提高安全性和更容易識別。 **改進：** * **增強的數據管理**：系統現在更有效地處理空文檔，確保所有相關信息正確索引和加載。 * **優化的記憶體組織**：對記憶體側邊欄的改進提供了更清晰的文檔和文件夾視圖，使導航更直觀。 * **簡化的數據處理**：實施新的嵌入機制和向量數據庫適配，以更高效地處理和分析數據。 **錯誤修復：** * **電子郵件編碼兼容性**：當電子郵件字符集不正確時，更新系統編碼格式，防止潛在的顯示問題。 * **Gmail標籤管理**：解決刪除Gmail標籤時的問題，確保電子郵件集成更順暢。 * **異常處理**：改進錯誤通知系統，以更好地管理和傳達系統異常。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本專注於提高文檔保存的可靠性。 --- # 2024年10月18日 ### 錯誤修正 - **增強文件保存穩定性**：改善文件保存過程，以防止在同時編輯時出現潛在衝突。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本對 Memento 樹進行了改進，提供更好的排序，並修正了影響 GPT 應用程序中 API 請求的錯誤。 --- # 2024年2月19日 ## 改善 * **Memento 樹中的字母順序排序**：為了增強導航功能，Memento 樹中的文件和 Slack 頻道現在按字母順序組織。 ## 錯誤修正 * **GPT 應用程式**：我們修正了一個問題，該問題阻止了通過新設置的 GPT 應用程式發送 API 請求。 \ ==> notices/releases/mar-11th-2024.md <== --- description: >- 此次更新帶來了新功能和改進，包括簡化的 Slack 整合、增強的文件和更高效的用戶註冊流程。 我們還修正了一些錯誤。 --- # 2024年3月11日 ## 新功能 * **用戶Slack數據遷移：**現在可以遷移用戶Slack數據以容納Slack討論串和回覆，強化用戶互動。 * **常識整合：**已經在整合來源端點添加常識，擴大了我們系統的能力。 * **固定共享知識項目：**系統管理員現在可以將共享知識項目固定在列表的頂部，提高其可見性和可訪問性。 * **安全文檔操作：**系統不再會因為空文檔而失敗，提高了系統的可靠性。 * **管理共享知識：**用戶現在可以刪除和編輯他們的共享知識，對共享內容提供了更多的控制權。 ## 改進 * **Rememberizer UI更新：**基於Slack回覆的新格式，Rememberizer UI已進行更新。 ## 錯誤修正 * **在常識之間切換：** 修正了在精煉記憶時在常識之間切換的問題。 * **不支援的文件可見性：** 修正了導致不支援的文件顯示的問題。 * **用戶文件列表：** 訂閱的文件將不再出現在用戶文件列表中。 * **記憶大小估算：** 修正了記憶的估算大小計算不正確的問題。 ==> notices/releases/feb-12th-2024.md <== --- description: >- 在這次發布中，我們引入了一個公共常識頁面，改善了記憶結構和入門用戶界面，並修正了應用授權計數的錯誤。 --- # 2024年2月12日 ## 新功能 * **公共常識頁面**：已實行新的公共常識頁面，以便更好地存取和分享資訊。 * **入職流程中的常識知識**：用戶現在可以直接從入職頁面增加常識知識。 * **紀念品的樹狀結構**：紀念品中的檔案現在以樹狀結構返回，以便更清晰地導航和查看。 ## 改進 * **入門步驟的使用者介面**：入門步驟的使用者介面已經調整，以提供更好的使用者體驗。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此版本帶來了對文件搜索、備忘錄組織和整合管理的令人興奮的改進。我們通過更流暢的導航和更高效的數據處理增強了使用者體驗。 --- # 2024年7月12日 ### 新功能 * **文件搜尋**：享受強大的新搜尋功能，讓您能迅速而輕鬆地在文件中找到所需資訊。 * **新回憶樹結構**：體驗一種全新的方式來組織您的回憶，通過我們直觀的樹結構，讓您更容易導航和管理資訊。 * **回憶自動同步**：透過我們的新回憶自動同步功能，輕鬆保持您的數據最新。 ### 改進 * **增強回憶體組織**：我們已經精煉了回憶體側邊欄，以提供更清晰的文件和資料夾視圖，使導航變得輕而易舉。 * **整合管理**：通過新的下拉功能，輕鬆過濾和管理您的整合，讓您對連接的服務有更多控制權。 * **更快的文件搜索**：我們的新防抖搜索功能在您輸入時提供更快、更靈敏的結果。 * **首頁和知識頁面更新**：我們已重新組織關鍵頁面上整合的布局，以改善可訪問性和用户體驗。 ### 錯誤修正 * **改善整合可靠性**：我們增強了系統，以更好地處理來自連接服務的信息，確保在使用整合時獲得更順暢的體驗。 * **更清晰的用戶界面**：我們已經移除了知識頁面上不必要的警告信息，以獲得更簡潔的外觀。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 整合，允許用戶連接他們的帳戶並選擇標籤以用於他們的知識庫，以及一個新的記憶功能以增強搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer 記憶體** 允許應用程式在用戶的 Rememberizer 帳戶中保存和共享數據，為來自多個應用程式的重要信息提供一個集中位置。\ \ **好處** * **對於用戶：** 輕鬆訪問來自所有應用程式的數據，應用程式之間無縫同步，即使卸載應用程式也能持久存儲。 * **對於開發者：** 不需要創建自定義的數據存儲系統，可以利用其他應用程式的數據，簡化跨應用整合。 記憶體文檔：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 記憶體 API 文檔：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 整合：** 用戶現在可以連接其 Gmail 帳戶並選擇特定標籤以添加到其知識庫中。 * **Google Drive 共享雲端硬碟支持：** 我們已經增加對 Google Drive 共享雲端硬碟的支持，允許用戶將共享雲端硬碟中的文檔包含到其知識庫中。 ## 改進 * **文件索引：** 我們增強了文件索引過程，確保新文件成功上傳和索引。若索引失敗，已實施重試機制。 * **應用程式發布流程：** 已從應用程式發布流程中移除審核步驟，簡化開發者的流程。 * **連接的應用程式 UI：** “您的連接應用程式” UI 已增強，以處理未連接任何應用程式的情況，改善用戶體驗。 ## 錯誤修正 * **重新命名應用程式：** 解決了重新命名應用程式時出現錯誤的問題。 ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次發佈專注於提升用戶體驗、改善文件管理以及精煉 Rememberizer 的搜尋功能。 --- # 2024年8月9日 **新功能** * **Slack頻道整合**：增強了對Slack頻道的支持，改善了應用內的溝通與協作。 * **文件狀態過濾器**：在嵌入詳情頁面新增了一個文件狀態過濾器，使得追蹤和管理文件變得更加容易。 * **分層文件顯示**：在備忘側邊欄中實現了一個新的樹狀視圖，將文件和文件夾分層組織，以改善導航。 * **高級搜索功能**：為搜索功能引入了日期範圍過濾器，允許更精確的文件檢索。 **改進** * **文件管理**：精煉了將文件鏈接到知識詳情頁面的過程，簡化了文件的組織和訪問。 * **用戶界面更新**：各種UI增強以改善整體應用的可用性和視覺吸引力。 * **性能優化**：重構了代碼並更新了API調用，以增強應用的性能和響應速度。 **錯誤修復** * **空搜索查詢處理**：解決了空搜索查詢未被正確處理的問題，提高了搜索的可靠性。 * **電子郵件整合**：修復了與GPT互動時電子郵件來源處理的問題，確保與電子郵件服務的更順暢整合。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此次發布專注於增強性能、改善身份驗證，並提高整體可靠性，以提供更好的用戶體驗。 --- # 2024年11月1日 ### 改進 - **更快的搜索性能**：優化後端流程，以提供更快的文檔訪問。 - **增強的身份驗證系統**：升級身份驗證以提高安全性和可靠性。 - **改進的索引可靠性**：增強文檔索引的監控，以確保所有文檔均可搜索。 - **優化的系統性能**：實施後端優化，以提供更快和更高效的服務。 ### 新功能 - **自動數據源重新連接**：數據源現在會自動保持連接，確保您可以不間斷地訪問您的信息。 ### 錯誤修正 - **增強隱私控制**：修正了一個問題，防止未經授權的用戶在用戶視圖中列出，改善了隱私。 - **解決應用授權問題**：修正了授權應用的重定向問題，實現無縫訪問。 ==> notices/b2b/README.md <== --- description: 為Skydeck AI Inc互動的其他企業提供的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: Rememberizer 代理 --- # 關於 Reddit 代理 Rememberizer 代理從選定的 Sub-Reddits 獲取 Reddit 內容，以便用戶和創作者可以查詢其內容及其他參與者的潛在語義意義，以便使用他們自己的 AI 工具以及那些通過 Rememberizer 授權的其他工具來與該內容互動。 ||CODE_BLOCK|| ==> personal/rememberizer-slack-integration.md <== --- description: >- 本指南將引導您將 Slack 工作區整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Slack 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Slack。
您的知識，準備連接到 Slack

您的知識，準備連接到 Slack

3. 點擊 Slack 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，請求您的許可以允許 Rememberizer 訪問您的 Slack 工作區。
Slack OAuth 畫面

Slack OAuth 畫面

> **注意：** 如果您看到一個警告，表示此應用程式未經 Slack 授權，那是因為 Rememberizer 旨在在 Slack 之外搜尋 Slack 內容，這違反了 [Slack 應用程式目錄指南](https://api.slack.com/directory/guidelines)。 4. 點擊 **"允許"** 將 Rememberizer Slack 應用安裝到您的工作區。一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Slack 工作區已連接，並且側邊面板彈出。
A COMPANY 已被添加為知識來源

A-COMPANY 已被添加為知識來源

5. 現在您已連接，您需要指定我們的產品應該從哪些頻道獲取消息。從側邊面板中選擇您想要的文件或文件夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
選擇要嵌入為知識的頻道

選擇要嵌入為知識的頻道

6. 選擇頻道後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。 ### 接下來該怎麼辦？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Box、Dropbox 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/manage-third-party-apps.md <== # 管理第三方應用程式 ## 探索第三方應用程式和服務 用戶可以在 **應用程式目錄** 頁面查看和探索所有與 Rememberizer 連接的第三方應用程式，具體步驟如下。 * 在導航欄上，選擇 **個人 > 尋找應用程式**。然後，您將看到應用程式目錄頁面。
導航欄瀏覽應用程式目錄頁面

導航欄瀏覽應用程式目錄頁面

應用程式目錄頁面

應用程式目錄頁面

* 找到您想要探索的應用程式。您可以通過在搜索欄中輸入應用程式的名稱來完成此操作，並可選擇 **篩選和排序順序**。
帶有篩選和排序按鈕的搜索欄

帶有篩選和排序按鈕的搜索欄

* 點擊 **第三方應用程式的名稱** 或 **探索按鈕** 以打開該應用程式。
應用程式的名稱和探索按鈕

應用程式的名稱和探索按鈕

* 使用應用程式時，將需要授權該應用程式與 Rememberizer 連接。流程的技術細節可以在 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 頁面查看。我們將以 **Rememberizer GPT 應用程式** 作為授權的 UI 流程示例。在第一次聊天後，您將看到應用程式要求您登錄 Rememberizer。
來自 Rememberizer GPT 應用程式的登錄請求

來自 Rememberizer GPT 應用程式的登錄請求

* 點擊 **登錄** 按鈕。您將被重定向到授權頁面。
授權頁面

授權頁面

* 您可以通過點擊 **更改** 按鈕來修改應用程式可以查看和使用的 Memento 和 Memory，然後選擇您想要的內容。 > **注意：** 有關 Memento 的詳細信息，請訪問 [mementos-filter-access.md](mementos-filter-access.md "mention") 頁面。 > **注意：** 有關 Memory 整合的詳細信息，請訪問 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 頁面。 * 點擊 **授權** 以完成該過程。然後，您將再次被重定向回應用程式，並可以正常與其聊天。 > **注意：** 如果您點擊 **取消** 按鈕，您將再次被重定向到應用程式登陸頁面，該應用程式將不會顯示在 **應用程式目錄** 頁面上，而是會顯示在 **您的連接應用程式** 頁面上。更多詳細信息，請訪問第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")，如果您想完全取消授權過程。
成功連接帳戶

成功連接帳戶

## 管理您的連接應用程式 在 **應用程式目錄** 頁面上，選擇 **您的連接應用程式** 以瀏覽該頁面。
browse your connected app
您的連接應用程式頁面

您的連接應用程式頁面

此頁面根據應用程式的狀態將其分類為兩種類型：**待處理應用程式** 和 **已連接應用程式**。 * **待處理應用程式**：這些是您在 Rememberizer 上授權應用程式時點擊 **取消** 按鈕的應用程式。 * 如果您想完成授權過程，請點擊 **繼續**。 * 否則，點擊 **取消** 以完全撤回授權。該應用程式將再次顯示在 **應用程式目錄** 頁面上。 * **已連接應用程式：** 您可以通過點擊更改選項（如果尚未選擇 Memento，則選擇）來配置特定連接應用程式的 **Memento** 或 **記憶整合**。如果您想將第三方應用程式從 Rememberizer 斷開連接，請點擊 **斷開連接**。 # Rememberizer 記憶集成 ### 介紹 Rememberizer Memory 允許第三方應用程式在使用者的 Rememberizer 帳戶中儲存和存取資料，提供了一種簡單的方式，讓有價值的信息能夠在多個使用者的應用程式中儲存和利用。 ### 優勢 #### 對於用戶 共享記憶體創建了一個單一的地方，所有用戶應用程式的關鍵結果和資訊都可以在一個位置獲得。對用戶的一些好處包括： * 簡易訪問：重要數據集中存儲，使用戶及其應用程式能夠輕鬆地在一個地方訪問來自多個應用程式的結果。 * 應用之間的同步：資訊可以在用戶的不同應用程式之間無縫共享和同步，無需用戶額外努力。 * 持久存儲：數據即使在個別應用程式被卸載後仍然可以訪問，與專屬應用的本地存儲不同。 #### 對應用程式開發者 共享記憶體為應用程式開發者提供了一種簡單的方式，可以訪問用戶其他連接應用程式中的數據： * 不需要後端：應用程式不需要開發自己的自定義後端系統來儲存和共享數據。 * 利用其他應用程式：應用程式可以基於用戶其他已安裝應用程式生成的公共數據進行構建和利用，豐富其自身功能。 * 應用程式間整合：應用程式開發者的不同應用程式之間可實現無縫整合和數據共享功能。 默認情況下，所有應用程式對共享記憶體具有只讀訪問權限，而每個應用程式僅能寫入其自己的記憶體空間。用戶可以根據需要自定義訪問權限。這在數據共享和用戶隱私與控制之間取得了平衡。 ### 配置你的記憶 #### 全域設定 全域設定允許用戶配置所有使用共享記憶體的應用程式的預設權限。這包括：
在知識頁面中配置記憶體

在知識頁面中配置記憶體

#### 應用程式的預設記憶體和數據訪問權限 * **讀取自己的/寫入自己的：** 應用程式僅被允許訪問和修改自己的記憶體數據。 * **讀取所有/寫入自己的：** 應用程式可以讀取所有應用程式的記憶體數據，但僅限於修改自己的記憶體數據。 * **禁用記憶體：** 預設情況下，應用程式無法訪問或存儲記憶體數據。 * **應用於所有選項：** 用戶可以將所有應用程式特定的權限設置恢復為全局設置中選擇的預設值。
memory settings panel
用戶可以使用 _**忘記你的記憶**_ 選項清除所有記憶體文件：
忘記記憶時的確認模態

忘記記憶時的確認模態

#### 應用程式設定 對於每個連接的應用程式，使用者可以自訂共享記憶體的權限。點擊 **"尋找應用程式"**，然後點擊 **"您的連接應用程式"** 或前往鏈接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 以查看您連接的應用程式列表。然後，點擊您想要自訂的應用程式的記憶體上的 **"變更"**：
在連接應用程式頁面中為每個應用程式配置記憶體

在連接應用程式頁面中為每個應用程式配置記憶體

#### 應用程式的記憶體訪問權限 * **讀取自己的/寫入自己的**：權限允許應用程式僅訪問和修改其自己的記憶體數據，防止其與其他應用程式的記憶體互動。 * **讀取所有/寫入自己的**：應用程式可以查看所有應用程式的記憶體數據，但僅限於修改其自己的記憶體數據。 * **禁用記憶體**：應用程式被禁止訪問或修改記憶體數據。 這使得用戶可以根據對特定應用程式的信任程度，對每個應用程式如何利用共享記憶體進行細緻的控制。單個應用程式的權限可以比全局默認設置更為嚴格。 全局設置和應用程式設置共同為用戶提供了強大而易於使用的控制，讓他們能夠管理其數據如何通過共享記憶體進行共享。 ### 與記憶功能整合 #### API 端點 Rememberizer 提供一個 API 端點 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 讓 GPT 應用程式可以呼叫以記住內容。 注意：此 API 僅適用於具有 [OAuth2 認證的第三方應用程式](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 金鑰](../developer/registering-and-using-api-keys.md)）。 #### 記住你的知識 在授權 Rememberizer 後，第三方應用程序可以記住它的寶貴知識。 在這裡，我們將演示使用 Rememberizer GPT 應用程序的過程。 * 在使用 Rememberizer GPT 應用程序後，用戶想要記住第三點「零成本抽象」。
與 Rememberizer GPT 應用程序互動

與 Rememberizer GPT 應用程序互動

* 要使用 Rememberizer 應用程序的記憶功能，用戶必須首先授權該應用程序訪問你的項目。使用 **memorize** 命令告訴應用程序需要存儲的知識。
登錄以授權 Rememberizer

登錄以授權 Rememberizer

* 用戶可以在這裡配置記憶選項，默認值基於全局配置
授權屏幕

授權屏幕

Rememberizer 現在成功記住了知識。
successful memorize knowledge
* 在 Rememberizer 中，用戶可以在 **嵌入知識詳情** 頁面查看最近的內容。
embedded knowledge detail
使用 **Talk to Slack** 應用程序，用戶可以無縫地應用並繼續使用他們已經記住的數據。例如，記住的信息可以輕鬆查詢和檢索
在另一個應用程序中回憶記憶數據

在另一個應用程序中回憶記憶數據

### 使用 Memento 的記憶數據 * 利用記憶數據的另一種方法是創建 **Memento** 並將記憶精煉到其中。請訪問 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分以獲取有關創建指導的更多信息。 * Rememberizer 將內容保存到文件中，並且用戶可以選擇任何應用程序將其內容精煉為 **Memento**。 > 注意：在舊版本中，Rememberizer 將內容保存到文件中並按日期合併到文件夾中。
memory memento feature
使用 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用戶即使在記憶應用配置關閉的情況下也可以利用記憶數據。 ### 在 Rememberizer 中搜索記憶文檔 您也可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好地，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南將指導您將 Dropbox 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Dropbox 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Dropbox。
Dropbox，準備好作為知識來源連接

Dropbox，準備好作為知識來源連接

3. 點擊 **"允許"** 以將 Rememberizer Dropbox 應用安裝到您的帳戶。
dropbox oauth
4. 一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Dropbox 帳戶已連接，並且側邊面板會彈出。
dropbox auth redirect
5. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊面板中選擇您想要的文件或資料夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
dropbox choose knowledge
7. 選擇您的文件和資料夾後，點擊 **"添加"**，我們的系統將開始嵌入。根據數據量，這個過程可能需要幾分鐘的時間。 ### 連接到另一個Dropbox帳戶 如果您斷開Dropbox知識，然後重新連接，Dropbox可能會自動連接到您之前的Dropbox帳戶，完全跳過授權畫面。 如果您想使用不同的Dropbox帳戶連接： 1. 請前往Dropbox網站並使用您之前的帳戶憑證登入。 2. 登入後，請點擊右上角的個人資料照片。 3. 從下拉選單中選擇「設定」。 4. 在設定選單中，選擇「已連接的應用」標籤頁。 5. 在已連接的應用清單中，找到Rememberizer應用，並點擊其旁的「斷開連接」。 6. 登出您之前的Dropbox帳戶。 7. 現在，當您嘗試再次將Dropbox連接到Rememberizer應用時，將會提示您授權新的Dropbox帳戶。 ### 接下來該怎麼做？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Slack 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南將指導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Google Drive 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能看到所有可用的知識來源，包括 Google Drive。
drive personal knowledge
3. 點擊 Google Drive 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Google Drive。選擇您的 Google Drive 帳戶。
drive oauth step 1
4. 通過點擊 **"繼續"** 來批准應用程式。
drive oauth step 2
5. 通過點擊 **"繼續"** 來允許 Rememberizer **查看和下載您所有的 Google Drive 文件**。
drive oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Drive 帳戶已連接，並且側邊欄會彈出。
drive auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊欄中選擇您想要的文件或資料夾。如果側邊欄未出現，請點擊 **"選擇"** 按鈕以打開側邊欄。
drive choose knowledge
8. 選擇文件後，點擊 **"添加"** 以開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，允許將您的 Google Drive 數據與您特別批准的第三方應用程式共享。
drive choose knowledge checkbox
9. 在選擇您的文件和資料夾後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。
drive indexing
### Google Drive 整合的限制 * 雖然 Rememberizer 的 Google Drive 整合允許您訪問和嵌入各種文件和資料夾，但目前無法訪問或嵌入來自「電腦」部分的文件，因為這部分是用於備份您電腦上的文件，受 Google 設定的限制。 * 如果您需要嵌入來自本地電腦的文件，我們建議使用我們的 Rememberizer Agent 桌面應用程序。要了解有關 Rememberizer Agent 的更多信息以及如何安裝和使用它，請參閱我們的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/README.md <== # 個人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以發佈主題或問題，Rememberizer 將提供一個文件列表並提取概念上相似的部分。 --- # 搜尋你的知識 ## 在 Rememberizer 中搜尋 * 在導航欄中，選擇 **個人 > 搜尋您的知識**。然後您將看到 Rememberizer 的搜尋頁面。
navbar search rememberizer (1)
search rememberizer page
* 輸入您想要搜尋的問題或主題，然後選擇您想要限制應用程式訪問的紀念品，並點擊 Rememberizer 按鈕（或按 Enter 鍵）。搜尋過程可能需要幾分鐘，具體取決於紀念品中的數據量。
在 Rememberizer 中搜尋的紀念品過濾

在 Rememberizer 中搜尋的紀念品過濾

* 最終，您將看到與您所需問題或主題相匹配的文件列表。您可以點擊文件，將顯示與您的問題或主題相關的匹配文本片段。
搜尋結果的示例

搜尋結果的示例

==> personal/rememberizer-app.md <== # Rememberizer App ### 介紹 Rememberizer App 是一款 MacOS 桌面應用程式，將您的本地檔案轉換為向量嵌入，並將其作為數據來源上傳到您的 Rememberizer 知識庫。該應用程式使其他 LLM 能夠通過 Rememberizer 的 API 查詢您的嵌入，以根據您本地檔案的內容生成答案。 ### 優點。 * **數據利用：** 應用程序幫助您以有意義且高效的方式利用本地文件。它從您的文件中提取有價值的數據，並使其可用於機器學習過程。 * **易於使用：** 應用程序具有用戶友好的界面，安裝和使用都很簡單。它負責進行文件轉換和數據上傳的繁重工作，因此您不必費心。 * **集成：** Rememberizer App 可無縫地與其他 LLMs 集成。這使得它們可以通過 Rememberizer 的 API 查詢您的嵌入，以根據本地文件的內容生成答案。 ### 安裝。 1. 從[這裡提供的連結](rememberizer-app.md#download-links)下載一個版本的 Rememberizer App。 2. 下載完成後，在下載資料夾中找到 .dmg 文件並雙擊它。 3. 當新窗口打開時，將 Rememberizer App 拖入您的應用程式資料夾。 4. 前往您的應用程式資料夾，然後點擊 Rememberizer App 打開它。 ### 如何使用。 1. **登入：** 要使用 Rememberizer 應用程式，您需要使用您的 Rememberizer 帳戶登入。如果您沒有 Rememberizer 帳戶，您需要創建一個。
rememberizer app sign in
rememberizer app success auth
2. **將資料夾添加到資料來源：** 登入後，Rememberizer 應用程式將開始在背景運行。您可以通過點擊位於狀態欄的小圖標來訪問它，如下所示。首次使用時，您需要將資料夾添加到資料來源。這使 Rememberizer 應用程式能夠將這些資料夾中的文件轉換為向量嵌入並上傳到您的 Rememberizer 知識中。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上傳：** 該軟體將無縫地將這些向量嵌入整合到您的 Rememberizer 知識資料庫中。通過 Rememberizer 狀態標籤跟踪上傳過程。
rememberizer app status
### 下載連結。 * Rememberizer App 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [版本說明](rememberizer-app.md#version-1.3.1-july-25-2024)。 請注意，建議始終使用最新版本的軟體，以便利用所有最新的功能和改進。 Rememberizer App 的設計旨在使將本地文件轉換為向量嵌入的過程盡可能無縫。享受以更具生產力的方式使用您的數據！ ### 發布說明。 ### 版本 1.6.1 (2024年10月4日) #### 功能與改進 * **支持空文件夾**：用戶現在可以將空文件夾添加為數據來源。 * **小幅改進**：用戶界面和性能的增強。 * **GPU支持和性能改進**：新增對GPU加速的支持，以提高處理速度。 * **增強的嵌入程序**：配置支持PyTorch的MPS版本，優化特定機器的構建。 * **智能CPU檢測**：實施CPU類型檢測，以確保使用最合適的嵌入程序版本。 * **改進的數據源管理**：利用批量刪除API高效刪除已移除數據源中的文件。 * **支持所有純文本文件**：啟用處理各種純文本文件類型。 * **遵循Gitignore規則**：現在忽略Git存儲庫中gitignore規則的文件將被排除在處理之外。 ==> personal/common-knowledge.md <== --- description: >- 通過添加AI訪問我們和其他人的預索引數據來增強您的知識或快速入門。 --- # 常識 ## 什麼是共同知識 在 Rememberizer 中，註冊用戶 **(出版者)** 可以通過備忘錄選擇他們上傳的文件，並將其公開分享為共同知識。其他用戶 **(訂閱者)** 可以訪問這些公共知識並將其添加到自己的資源中。 通過貢獻他們的數據，其他用戶可以共同增強共同知識頁面上的可用信息。這種協作方式使所有用戶都能訪問更豐富的數據來源，從而提高他們的 AI 應用程序的學習能力。 ## 添加公共常識 為了將常識訂閱到您的資源，請按照以下說明操作 * 在導航欄上，選擇 **個人 > 常識**。然後，您將看到公共常識頁面。
navbar browse ck
public ck page
* 然後，尋找您想要訂閱的常識。您可以通過在搜索欄中輸入知識的名稱來查找知識。您可以選擇性地選擇搜索欄旁邊的過濾選項。
搜索欄的過濾器

搜索欄的過濾器

搜索結果示例

搜索結果示例

* 然後點擊公共常識上的 **添加** 按鈕。訂閱成功後，您將看到 **添加** 按鈕變為 **移除** 按鈕。
未添加的常識

未添加的常識

已添加的常識

已添加的常識

* 之後，如果您想要移除已訂閱的知識，請點擊 **移除** 按鈕。 ## 創建共同知識 有關創建和共享共同知識的詳細說明，請訪問此頁面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每個應用集成的 Memento 來限制其對您的知識的訪問 --- # Mementos 過濾器訪問 ### 什麼是備忘錄，為什麼它們存在？ Rememberizer 的一個主要目的是以受控的方式與第三方應用程序共享您數據的高度相關摘錄。這是通過將單個 **備忘錄** 應用於每個與 Rememberizer 集成的應用程序來實現的，您也選擇授權這些應用程序訪問您在 Rememberizer 中的數據。 目前的備忘錄實現允許用戶選擇特定的文件、文檔或內容組，例如可以被該應用程序使用的文件夾或頻道。後續的實現將增加其他過濾第三方訪問的方式，例如“在過去 30 天內創建”的時間範圍。\ \ 兩個默認值是“無”和“全部”。全部共享用戶允許 Rememberizer 訪問的每個文件。無則不與相關應用共享任何內容。選擇無允許用戶選擇一個應用並將其與 Rememberizer 集成，而無需當場決定要提供哪些內容。選擇一個無的備忘錄或編輯現有的應用備忘錄以共享無是一種關閉應用訪問用戶數據的方式，而無需刪除集成。這就像是您數據的關閉開關。自定義備忘錄可以專門製作，並具有反映其用途的名稱，例如“作業”或“市場營銷”。 ### 如何創建 Mementos？ 本指南將指導您創建 Mementos 的過程 1. 在標籤中導航至 **個人 > Memento: 限制訪問**，或訪問 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您應該會在螢幕左側看到所有 Mementos
memento page
2. 點擊 **創建新的 memento**。然後填寫您自定義 memento 的名稱，並點擊 **創建**。之後，您應該會看到您的 memento 被添加，並且可以在您的 memento 中包含數據來源的列表。
create memento
memento detail
3. 點擊您想要精煉的數據來源上的 **精煉**，側邊面板將彈出。然後選擇添加文件夾或文件，並點擊 **精煉** 將這些數據來源添加到 Memento。
memento refine knowledge
4. 此外，對於常見的知識來源，您可以點擊 **添加** 將知識包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允許用戶有效地管理來自各種來源的存儲文件。此部分將向您展示如何訪問、搜索、過濾和管理您上傳的文件在知識中 --- # 管理您的嵌入式知識 ## 瀏覽嵌入知識詳細頁面 在導航欄上，選擇 **個人 > 你的知識**。找到 "你的知識" 區域右側的 **查看詳細資訊** 按鈕並點擊它。然後，你將看到 **嵌入知識詳細** 頁面。
你的知識區域和 <strong>查看詳細資訊</strong> 按鈕

你的知識區域和 查看詳細資訊 按鈕

嵌入知識詳細頁面

嵌入知識詳細頁面

知識文件詳細信息的表格包括以下屬性： * **文件：** 文件或 Slack 頻道的名稱。 * **來源：** 文件上傳的資源（Drive、Mail、Slack、Dropbox 和 Rememberizer App）。 * **目錄：** 文件在來源中的位置。 * **狀態：** 文件的狀態（索引中、已索引或錯誤）。 * **大小：** 文件的大小。 * **索引於：** 文件被索引的日期。 * **操作：** 刪除文件的按鈕。對於狀態為錯誤的文件，垃圾桶圖標（刪除按鈕）旁邊還會有一個重試圖標。 ## 詳細頁面的特點 ### 搜尋和篩選檔案 使用者可以透過 **搜尋欄** 以名稱搜尋文件。在欄位中輸入名稱，然後按 Enter 以獲取結果。
搜尋結果

搜尋結果

您也可以選擇 **狀態篩選器** 和 **來源篩選器**。這將通過縮小搜尋條件快速定位特定文件。
來源篩選器

來源篩選器

狀態篩選器

狀態篩選器

### 刪除上傳的檔案 找到您想要刪除的檔案（如有需要可進行搜尋）。然後點擊**操作**欄中的**垃圾桶圖示**。
帶有刪除圖示的檔案

帶有刪除圖示的檔案

將彈出一個對話框以確認刪除。點擊**確認**，然後您將看到檔案已被刪除。
刪除確認對話框

刪除確認對話框

### 重試索引錯誤檔案 使用者可以重試嵌入那些 Rememberizer 無法索引的檔案。要重試索引特定檔案，只需點擊 **操作** 欄中刪除按鈕旁邊的重試按鈕。
特定錯誤檔案的重試按鈕

特定錯誤檔案的重試按鈕

如果使用者想要重試索引所有錯誤檔案，請點擊 **操作** 欄標籤旁邊的重試按鈕。
所有錯誤檔案的重試按鈕

所有錯誤檔案的重試按鈕

以下是從 Gmail 整合成功重試索引錯誤檔案後的圖片。
成功重試索引錯誤檔案

成功重試索引錯誤檔案

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南將引導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Gmail 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Gmail。
gmail personal knowledge
3. 點擊 Gmail 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Gmail。選擇您的 Gmail 帳戶。
gmail oauth step 1
4. 通過點擊 "**繼續"** 來批准應用程式。
gmail oauth step 2
5. 通過點擊 **"繼續"** 來授予 Rememberizer **權限** 訪問您的 Gmail。
gmail oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Gmail 已連接。
gmail auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些電子郵件標籤。點擊 **"選擇"** 按鈕，並從側邊面板中選擇您想要的電子郵件標籤。所有屬於所選標籤的電子郵件將被嵌入。
gmail choose knowledge
8. 選擇標籤後，點擊 **"添加"** 開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，將您的 Gmail 數據與您特別批准的第三方應用程式共享。
gmail choose knowledge checkbox
9. 一旦您選擇了標籤，我們的系統將開始嵌入電子郵件和附件。這個過程可能需要幾分鐘，具體取決於數據的量。
gmail indexing
### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用條款 ### 1. 簡介 本文件概述了 Skydeck AI Inc 旗下的Rememberizer服務 (「Rememberizer」) 的使用條款 (「條款」)，包括提供給用戶在 *.rememberizer.ai 上的自定義或一般可用域名中的所有頁面，以及鏈接到這些條款的任何其他頁面 (「網站」)。這些條款構成了您作為用戶和 Skydeck AI Inc 作為該平台提供者之間的具有約束力的法律協議。通過訪問或使用此平台，您確認同意遵守這些條款。 ### 2. 接受條款 通過訪問或使用網站的任何部分，您確認您至少已經18歲，已閱讀並理解這些使用條款和Rememberizer隱私權政策（該政策已被列為這些條款的參考），並同意受其法律約束。 在這些條款中，“我們”、“我們的”指的是Rememberizer，而“您”既指您作為個人，也指您代表的任何實體。通過使用我們的平臺，您確認您可以代表任何該等實體接受這些條款，從而使其受到這些條款的約束。 ### 3. 聯絡資訊 您跟SkyDeck AI Inc. 簽訂合約的對象。我們的郵寄地址和聯繫方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 舊金山, CA 94104\ 電話：1.415.744.1557\ 有關法律查詢：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ## 4. 授權和專有權利 根據您全面遵守這些條款，以及平台上發布的任何其他政策或限制，與你跟Rememberizer達成的任何費用的及時支付，我们授予您有限的，非獨家的，不可轉讓的，可撤銷的許可權，可以訪問和使用平台。 除非另有說明，所有通過平台提供的內容（包括但不限於軟件、提交覆核、資訊、使用者介面、圖形、商標、標誌、圖像、藝術品、視頻、文件、以及平台的整體"外觀和感覺") 均由Rememberizer擁有、控制、或獲得許可。該內容受到各種法律的保護，包括營業風格、版權、專利和商標法，以及其他知識產權和不公平競爭法。Rememberizer保留該內容的所有權利。 您的內容仍然是您的唯一財產。您向我們提供了非獨家的、可撤銷的許可證，允許我們為了提供服務而使用您的內容。 未經授權的重製、再分配、使用或利用平台的任何部分，按照法律明確禁止，可能導致民事或刑事懲罰 ### 5. 帳戶責任 如果您在該平台上開啟帳戶，您將負責維護您的帳戶信息的機密性，並負責您帳戶下的所有活動。通過接受這些條款並創建帳戶，您同意我們按照隱私政策中的描述收集、使用和披露您的信息。18 歲以下的人不得在 Rememberizer 或該平台上註冊帳戶或提供任何個人信息。如果您的帳戶被未經授權的使用，立即通知 Rememberizer。由於未經授權的使用可能會導致損失，您可能需負責賠償。除非獲得 Rememberizer 的預先批准，否則不得使用他人的帳戶。在禁止的地方，帳戶註冊是無效的。 ### 6. 使用者權利與責任 身為使用者，您有權為您的合法業務目的使用我們的AI工具。您有責任不濫用或濫用工具，不侵犯他人權利，也不違反任何法律。您在使用平台時，必須遵守所有適用的法律和規定。 ### 7. 供應商權利和責任 我們，Rememberizer.，保留監控使用情況、執行這些條款以及根據需要更新平台和其條款的權利。我們有責任提供可靠的服務，尊重用戶的隱私，並對任何問題或問題做出回應。 ### 8. 內容規則 由我們的 AI 工具產生的內容由您，用戶所擁有，遵守這些條款中指定的任何限制或條件。內容不應用於非法或不當的目的。 ### 9. 濫用及違反 違反或濫用這些條款可能會導致懲罰，包括但不限於，暫停或終止訪問平台的權限，法律行動，和/或賠償。 ### 10. 免責聲明 您同意，您使用平台（包括任何內容）的風險由您自行承擔。該平台和內容是按“原樣”和“可用”的基礎提供的。Rememberizer並不提供任何明示或暗示的保證，並免除所有可能的保證，包括但不限於適銷性，適用於特定目的，所有權和非侵權的默示保證。Rememberizer並不保證該平台或內容是準確的，持續可用的，完整的，可靠的，安全的，最新的，無錯誤的，或者免於病毒或其他有害組件的。 ### 11. 賠償 您同意賠償、辯護並保護無憾，為其董事、股東、繼承人、員工、代理、子公司和分公司，免受任何實際或威脅的第三方要求、要求、損失、損害、成本、責任、訴訟和費用（包括合理的律師費及專家費用及調查費用）的任何責任，符合法律規定的最大範圍。這包括源於或與您使用平台、您違反這些條款、您違反任何法律或法規、您侵犯任何第三方權利，或您披露、索取或使用任何個人信息，無論您是否知道或同意。無憾保留獨家辯護和控制任何由您負責賠償的事宜的權利，您同意與無憾的辯護合作。在未事先獲得無憾的書面同意的情況下，您不得同意任何影響無憾的和解。 ### 12. 暫停或終止使用權限 Rememberizer 保留隨時暫停或終止您對其平台全部或部分的存取權，無論有無通知，無論理由為何的權利。這包括但不限於違反這些條款，法律執行機關或其他政府機構的要求，平台的取消或重大修改，或者出現意外的技術問題。Rememberizer 對於您被終止對平台的存取權不承擔任何責任。任何在這些條款下應自然延續超越您使用平台的權利和義務，都將在您的存取權被終止後生存下來。 ### 13. 責任限制 在法律允許的最大範圍內，您同意承擔因您訪問和使用平台以及內容所產生的全部風險。Rememberizer或其任何董事，員工，代理或供應商均不對因平台或任何內容、服務或產品而產生或與之相關的任何特殊的、間接的、附帶的、示例的、結果的或懲罰性的損害承擔責任。無論是基於本條款，還是因使用或無法使用平台，Rememberizer對您的總賠償責任不會超過一百美元（$100.00）。 ### 14. 糾紛解決 任何因本條款所產生或與之相關的糾紛、爭議或主張，包括其效力、無效、違反或終止，應依照美國仲裁協會的規則通過仲裁解決。仲裁地點應為加利福尼亞州的聖荷西，並應受加利福尼亞州法律的管轄。仲裁結果應對雙方均具有最終和有約束力的效果。 ### 15. 條款的更改 Rememberizer保留隨時變更這些條款的權利，並由我們自行決定。變動將通過適當的渠道向用戶溝通，例如電郵通知，網站橫幅，或應用程式內的訊息，並給予用戶合理的時間接受新的條款。 ### 16. 翻譯 為了方便您，我們提供此文件的機器翻譯版本，語言為英語以外的其他語言。在原始英語版本與其他語言版本之間出現衝突或矛盾時，將以英語版本為準，並具有優先權。依賴於此文件的非英語翻譯版本，您接受翻譯文本與您所同意的實際條款之間可能存在意外差異。 ==> notices/privacy-policy.md <== # 隱私政策 ## Rememberizer 隱私政策 SkyDeck AI Inc.（「Rememberizer」、「我們」、「我們的」或「我們」）尊重您的隱私，並承諾通過此政策來保護它。此政策描述了我們可能從您那裡收集的信息類型，或者您在使用 rememberizer.ai generative AI platform（我們的「服務」）時可能提供的信息，以及我們收集、使用、維護、保護和披露該信息的做法。 ### 我們收集的關於您的信息及收集方式 我們從服務的用戶那裡收集幾種類型的資訊，包括： * 個人信息，例如您的姓名、電子郵件地址和其他可以在網上或離線聯繫您的標識符。 * 技術數據，例如有關您的互聯網連接的信息、您用來訪問我們服務的設備以及使用詳情。 * 用來訪問您提供的第三方供應商生成的人工智能模型的 API 密鑰和憑證。 * 文檔內容（“知識”），包括整個文檔（如 Google Docs）、數據、討論（如 Slack 頻道的內容）。這些來自您選擇和決定與 Rememberizer 共享的數據源。 我們收集這些信息： * 直接從您那裡收集，當您授權訪問數據源時提供給我們的信息。 * 當您與 Rememberizer 集成的應用程序選擇將文本存儲在 Rememberizer 記憶中以供該應用程序或其他應用程序稍後使用時，直接收集。 * 當您在服務中瀏覽時，自動收集的資訊。自動收集的資訊可能包括使用詳情、IP 地址以及通過 cookies、網絡信標和其他追蹤技術收集的信息。 * 當您更改源數據時，自動更新最新版本以反映在我們的知識中。 * 我們確認從 Google Workspace API 檢索的任何用戶數據不會用於訓練任何人工智能/機器學習模型。這些數據僅對已提供明確同意的個別用戶可訪問，僅用於為您提供和改善我們的服務。 ## 我們如何使用您的信息 我們使用我們收集到的關於您的信息，或您提供給我們的任何個人信息： * 為您提供服務及其內容，以及您向我們請求的任何其他信息、產品或服務。 * 實現您提供信息的任何其他目的。 * 向您提供有關您帳戶的通知。 * 履行我們的義務並實施由您和我們之間訂立的任何合同所產生的權利。 * 通知您我們的服務或我們通過它提供或提供的任何產品或服務的變化。 * 改善我們的服務、產品或服務。 * 允許您參與我們服務上的互動功能。 * 知識文檔的文本組件以塊形式存儲並在向量數據存儲中進行索引，以便可以返回估計具有語義相關性的部分給您授權進行訪問的第三方應用程式 ## 第三方分享 Rememberizer的主要目的是以受控方式將您的數據的高度相關摘錄分享給第三方應用程式。這是通過將單一的 **Memento** 應用於與Rememberizer集成的每個應用程式，您也選擇授權它們訪問您在Rememberizer中的數據來實現的。 目前的Memento實現允許使用者選擇特定的文件、文檔或內容組，如文件夾或頻道，供該應用程式使用。後期的實現將為第三方訪問增加額外的過濾方式，如 "在最近30天內創建" 的時間範疇。\ \ 兩個默認值是 "無" 和 "全部"。全部分享使用者允許Rememberizer訪問的每個文件。無不與討論中的應用程式分享任何東西。選擇無可以讓使用者選擇一個應用程式並將其與Rememberizer集成，而不必立即決定要提供哪些內容。選擇帶有無的Memento或編輯現有的應用Memento以分享無，是一種不必移除集成就可以關閉應用程式訪問使用者數據的方式。這就像您的數據的關閉開關。自定義Memento可以根據需要製作，並具有反映該目的的名稱，如 "作業" 或 "市場營銷"。 ## 揭露您的資訊 我們可以不受限制地披露有關我們用戶的匯總資訊，以及不會識別任何個人的資訊。我們可能會按照此隱私政策所述揭露我們收集或您提供的個人資訊： * 給需要訪問此類資訊以完成工作的第三方供應商、服務提供商、承包商或代理人。 * 為了實現您提供信息的目的。任何我們在您提供信息時揭露的其他目的。 * 經過您的同意 ### 您的權利 您在適用的數據保護法律下擁有一定的權利。其中可能包括以下權利： * 要求查詢您的個人數據。 * 要求我們更正我們持有的關於您的個人數據。 * 要求刪除您的個人數據。 * 反對處理您的個人數據。 * 要求限制處理您的個人數據。 * 要求傳輸您的個人數據。 * 有權撤回同意。 ### 資料安全 我們已實施針對保護您的個人資訊免於意外丟失，並防止未經授權的訪問、使用、變更和洩露的措施。您提供給我們的所有資訊都將儲存在我們安全的、配有防火牆的伺服器上。所有的支付交易和API金鑰將採用SSL技術進行加密。 ### 我們的隱私政策的變更 我們的政策是會在此頁面上公布我們對隱私政策的任何修改。如果我們對處理用戶個人信息的方式進行重大更改，我們將通過在服務首頁上的通知通知您。 ### 聯絡資訊 如對本隱私政策及我們的隱私實踐有任何問題或意見，請聯絡我們： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 舊金山，加州 94104\ 電話：1.415.744.1557\ 電子郵件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此次更新增強了與 Dropbox、Google Drive 和 Slack 的整合，並 精煉了文件管理，以提供更流暢的用戶體驗。 --- # 2024年4月5日 ## 新功能 * **新增知識樹支持:** 擴展樹狀結構，以更好地與 Dropbox 和 Google Drive 整合，實現更直觀的文檔和文件夾管理。 * **Slack 回覆同步:** 添加了更有效地同步新 Slack 回覆的功能，幫助保持通信的無縫和更新。 ## 錯誤修正 * **常見知識頁面修正：** 修正了與搜尋、分頁和更新常見知識頁面上的日期時間格式相關的錯誤。 * **顯示舊帳戶的選定檔案修正：** 我們修正了一個問題，舊帳戶的選定檔案未正確顯示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本專注於改善用戶體驗、增強整合以及修正各種問題。主要更新包括 Gmail 同步和顯示目錄路徑。 --- # 2024年5月17日 ## 新功能 * **Gmail 整合與同步：** 連接您的 Gmail 帳戶，輕鬆在我們的平台上管理電子郵件。上週，我們推出了標籤特定的整合；本週，享受標籤內線程的全面同步，以實現無縫的訪問和管理。 ## 改進 * **顯示目錄路徑：** 應用程式現在顯示目錄路徑，使用者可以更輕鬆地導航和定位他們的文件。 * **更新圖表：** 應用程式的圖表已更新，以提供系統架構和數據流的更清晰視覺表現。 * **更改數據來源順序：** 數據來源的順序已優化，以提高數據檢索和處理的效率。 * **更新數據獲取邏輯：** 獲取數據的邏輯已增強，以提高檢索信息的準確性和可靠性。 ## 錯誤修正 * **修正刪除文件按鈕的使用者介面：** 嵌入詳細資訊中的刪除文件按鈕的使用者介面已被修正，以提供更好的使用者體驗。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本專注於提升性能和穩定性，對同步過程進行了重大改進並修正了已知問題。 --- # 2024年10月4日 ### 改進 - **優化 Google Drive 瀏覽**：改善 Google Drive 知識樹的性能，以實現更快、更流暢的瀏覽。 - **增強同步效率**：通過精煉任務管理來優化文檔同步，以實現更快的更新。 ### 錯誤修正 - **解決斷開數據來源時崩潰的問題**：修復了一個問題，即在知識面板開啟時斷開數據來源會導致應用崩潰。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次發布專注於各種改進、新功能和錯誤修正，以增強用戶體驗和功能性。 --- # 2024年9月20日 ### 改進 - **增強數字格式**: 大數字現在用逗號顯示，以便更容易閱讀。 - **更新文檔處理**: 改進機制以高效管理和索引文檔，即使在更大的文件夾中。 - **優化 Slack 和文檔處理**: 增強 API 以重試所有失敗的文檔和 Slack 通道，確保操作更順暢。 ### 新功能 - **會員更新**：會員現在根據加載結果進行更新，以提供更準確的數據。 - **隨機文檔選擇**：引入了隨機選擇功能以用於嵌入和加載，從而多樣化文檔處理。 ### 錯誤修正 - **Dropbox 同步**：暫時禁用 Dropbox 同步以防止潛在的數據問題。 - **搜尋欄改善**：知識詳情頁面的搜尋欄現在根據 "file" 查詢參數自動填充，以便進行更精確的搜尋。 - **加載後重新索引集合**：增強了加載結果 API，以自動重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我們最新的版本專注於提升性能、改善可靠性，並通過各種優化和修正提供更好的用戶體驗。 --- # 2024年11月8日 ### 改進 - **更新的入門體驗**：增強了新用戶入門視覺，更新了 Gmail 整合，以便更順利的開始。 - **優化性能**：通過重新應用半精度向量來提高應用程序的速度和效率。 - **增強搜索能力**：改善索引以獲得更好的搜索結果和更快的信息檢索。 - **改善文檔處理可靠性**：增強了在嵌入任務中重試的處理，以提高文檔處理的可靠性。 ### 錯誤修正 - **修正文件同步錯誤**：解決了與文件同步和處理錯誤相關的問題，以提高應用程序的穩定性。 - **解決備忘錄訪問錯誤**：修正了備忘錄文件無法訪問的錯誤。 - **確保文件索引**：修正了一個阻止創建向量存儲表的問題，確保所有文件都被正確索引並可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改善了錯誤處理，增強了備忘錄側邊欄，並 精煉了測試。主要更新包括備忘錄大小顯示、更好的錯誤 回應和自動版本檢查。 --- # 2024年6月14日 ## 新功能 * **顯示備忘錄的大小：** 備忘錄的大小現在顯示在備忘錄側邊欄中，使用戶能更好地了解其存儲使用情況。 * **檢查最新版本：** 我們新增了一個功能，讓桌面應用程序能自動檢查並通知使用者最新版本的可用情況。 ## 錯誤修正 * **已刪除的回憶錄返回404：** 現在檢索已刪除的回憶錄或屬於其他用戶的回憶錄時，將返回404錯誤，而不是伺服器錯誤。 * **更新第三方應用的大小：** 修正了一個問題，第三方應用的記憶文件未能觸發回憶錄的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知識創建和顯示、回憶錄重命名等新功能。改進包括有關Dropbox、查詢結果和公共知識UI的關鍵錯誤修正。 --- # 2024年3月4日 ## 新功能 * **共享知識**：已實施創建和顯示共享知識的新功能。 * **回憶重命名**：用戶現在可以重命名他們的回憶。 ## 錯誤修正 * **Dropbox 檔案顯示**：解決了 Dropbox 中檔案顯示不正確的問題。 * **查詢結果順序**：修正了一個錯誤，該錯誤導致連續區塊的查詢結果返回無序結果。 * **常見知識 UI**：修正了常見知識功能的幾個 UI 問題。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本專注於增強搜索能力和改善文檔管理功能。 --- # 2024 年 8 月 16 日 ### 新功能 - **增強搜尋過濾器**：新增按寄件人和收件人過濾搜尋結果的功能，使尋找特定電子郵件變得更容易。 - **文件創建日期顯示**：現在在文件列表中顯示文件創建日期，以便更好地管理文件。 ### 改進 - **改善搜索可靠性**：對搜索功能的增強提供了更加順暢和可靠的體驗。 ### 錯誤修正 - **電子郵件整合修正**：解決了使用 GPT 時 Gmail 整合的問題，以確保順利運行。 - **桌面應用程式內容顯示修正**：修正了桌面應用程式中文件內容顯示的問題，以提供更好的用戶體驗。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此次更新帶來了新功能和改進，包括簡化的 Slack 整合、增強的文件以及更高效的用戶註冊流程。 我們還修復了一些錯誤。 --- # 2024年3月11日 ## 新功能 * **用戶Slack數據遷移：**現在可以遷移用戶Slack數據以容納Slack討論串和回覆，強化用戶互動。 * **常識整合：**已經在整合來源端點添加常識，擴大了我們系統的能力。 * **固定共享知識項目：**系統管理員現在可以將共享知識項目固定在列表的頂部，提高其可見性和可訪問性。 * **安全文檔操作：**系統不再會因為空文檔而失敗，提高了系統的可靠性。 * **管理共享知識：**用戶現在可以刪除和編輯他們的共享知識，對共享內容提供了更多的控制權。 ## 改進 * **Rememberizer UI更新：**基於Slack回覆的新格式，Rememberizer UI已進行更新。 ## 錯誤修正 * **在常識之間切換：** 修正了在精煉紀念品時切換常識時出現的問題。 * **不支持的文件可見性：** 修正了導致不支持的文件顯示的問題。 * **用戶文件列表：** 訂閱的文件將不再出現在用戶文件列表中。 * **紀念品大小估算：** 修正了紀念品估算大小的錯誤計算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本專注於改善我們的 Slack 整合，增強用戶界面，並解決關鍵問題，以提供更流暢的體驗。 --- # 2024年7月26日 **新功能：** * **Slack 頻道計數器**：一個新功能，準確計算並顯示 Slack 頻道的數量，幫助用戶更好地管理他們的工作區連接。 **改進：** * **更新的 Slack 整合 UI**：Slack 整合的用戶界面已經更新，以支持新的頻道機制，使其更加直觀和易於使用。 * **應用名稱更新**：桌面應用程序的名稱已更新為「Rememberizer」，反映我們幫助用戶組織和記住重要信息的承諾。 **錯誤修復：** * **Google Drive 整合**：解決了訪問 Google Drive 文件夾時出現錯誤的問題，確保更順暢的導航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此版本專注於增強 Dropbox 和 Google Drive 的同步性能和導航，為您提供更順暢和高效的體驗。 --- # 2024年9月27日 ### 改進 - **增強雲端同步**：優化了 Dropbox 和 Google Drive 的同步過程，使文件更新更快且更可靠。 - **改善 Dropbox 導覽**：精煉了 Dropbox 知識樹，以便更有效的文件組織和更輕鬆的訪問。 - **定期同步計劃**：設置 Google Drive、Dropbox 和 Gmail 的同步任務，每 6 小時執行一次，確保您的內容始終保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在這次版本中，我們對上傳的圖片大小限制為 1MB，並增強了選擇面板中的文檔顯示。我們還修復了一個與數據源斷開連接相關的錯誤。 --- # 2024年2月26日 ## 改進 * **圖像大小限制**：共享知識的裁剪圖像大小不得超過1MB。 * **文件顯示增強**：我們已經增加了在右側選擇面板的樹狀結構中可以顯示的文件數量，以提高用戶體驗。 ## 錯誤修正 * **數據源斷開連接**：修正了一個問題，即斷開數據源時未能適當刪除文檔並移除數據源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此版本專注於改善我們應用程序的整體性能、數據處理和 錯誤管理。用戶可以期待更穩健和 高效的體驗。 --- # 2024年8月2日 **新功能：** * **改進的搜索功能**：搜索功能現在運行並行內容檢索，提供更快和更準確的結果。 * **精煉的文檔通知系統**：用戶將收到更精確的文檔更新通知，增強協作和工作流程管理。 * **更新的API密鑰格式**：更新API密鑰前綴以提高安全性和便於識別。 **改進：** * **增強的數據管理**：系統現在更有效地處理空文檔，確保所有相關信息正確索引和加載。 * **優化的記憶體組織**：對記憶體側邊欄的改進提供了更清晰的文檔和文件夾視圖，使導航更直觀。 * **簡化的數據處理**：實施新的嵌入機制和向量數據庫適應，以更高效地處理和分析數據。 **錯誤修復：** * **電子郵件編碼兼容性**：當電子郵件字符集不正確時更新系統編碼格式，防止潛在的顯示問題。 * **Gmail標籤管理**：解決刪除Gmail標籤時的問題，確保電子郵件集成更順暢。 * **異常處理**：改進錯誤通知系統，以更好地管理和傳達系統異常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本專注於提高文檔索引的可靠性，並包括各種錯誤修復以增強您的體驗。 --- # 2024年10月25日 ### 新功能 - **索引失敗的自動重試**：實施了一個自動重試機制，以確保未能索引的文檔會被重試，增強數據一致性。 ### 錯誤修正 - **改進搜尋功能**：修正了一個問題，防止從連接到沒有記憶的 mementos 的應用程式進行搜尋。 - **系統穩定性增強**：解決了在同時任務期間重疊的資料庫連接，以改善性能。 - **Slack 同步調整**：暫時禁用空的 Slack 頻道的同步，以避免不必要的錯誤。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本專注於改善文件保存的可靠性。 --- # 2024年10月18日 ### 錯誤修正 - **增強文件保存穩定性**：改善文件保存過程，以防止在同時編輯期間出現潛在衝突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增強了文件同步，簡化了常見知識管理，並優化了用戶界面，提高了整體系統效率和用戶體驗。 --- # 2024年4月12日 ## 新功能 * **雲端儲存自動同步：** 使用者現在可以為 Dropbox 和 Google Drive 中選擇的資料夾和檔案設定自動同步，簡化文件管理流程。 ## 改進 * **優化文件排序：** 現在可以根據索引日期或名稱設置文件的順序，以便更直觀地導航和檢索。 * **回憶管理的 UI 更新：** 通用知識回憶的 UI 已經更新，包括一個新的共享設置切換，改善用戶對數據共享的控制。 * **UI 響應性和自訂：** 已實施小幅 UI 修正。 ## 錯誤修正 * **入門流程：** 解決了一個問題，即在用戶的入門步驟中未顯示常識，改善了新用戶的初始設置體驗。 ==> notices/releases/README.md <== --- description: 公共聲明、合規變更和用戶協助更新。 --- # 發布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次發布專注於提升用戶體驗、改善文檔管理，以及精煉 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack頻道整合**：增強了對Slack頻道的支持，改善了應用內的溝通與協作。 * **文件狀態過濾器**：在嵌入詳細頁面新增了一個文件狀態過濾器，使得追蹤和管理文件變得更加容易。 * **分層文件顯示**：在備忘錄側邊欄實現了一個新的樹狀視圖，將文件和文件夾分層組織，以改善導航。 * **進階搜索功能**：引入了日期範圍過濾器，允許更精確的文件檢索。 **改進** * **文件管理**：精煉了將文件鏈接到知識詳細頁面的過程，簡化了文件的組織和訪問。 * **用戶界面更新**：各種UI增強以改善整體應用的可用性和視覺吸引力。 * **性能優化**：重構了代碼並更新了API調用，以提升應用性能和響應速度。 **錯誤修復** * **空搜索查詢處理**：解決了空搜索查詢未被正確處理的問題，提高了搜索的可靠性。 * **電子郵件整合**：修復了與GPT互動時電子郵件來源處理的問題，確保與電子郵件服務的更順暢整合。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本對備忘錄樹進行了改進，提供了更好的排序功能，並修復了影響GPT應用API請求的錯誤。 --- # 2024年2月19日 ## 改善 * **Memento 樹中的字母順序排序**：為了增強導航功能，Memento 樹中的文件和 Slack 頻道現在按字母順序組織。 ## 錯誤修正 * **GPT 應用程式**: 我們修復了一個問題，該問題阻止了通過新設置的 GPT 應用程式發送 API 請求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次發布專注於通過改進的入門指導、紀念品管理和響應式 UI 來增強用戶體驗。主要更新包括移除圖像大小限制、顯示紀念品大小。 --- # 2024年3月18日 ## 新功能 * **建立新紀念品按鈕：**我們新增了一個建立紀念品的按鈕，使得在授權應用程式時，這一過程變得更友善並好操作。 * **圖像上傳器無大小限制：**用戶現在可以上傳任何尺寸的圖像，為文件設計提供更多靈活性。 * **常識大小顯示：**我們新增了顯示常識項目大小的功能，使存儲使用情況更透明。 ## 改進 * **Slack 頻道的索引時間：**現在，在檢查新消息時會更新索引時間，並將維持文件的 `INDEXED` 狀態，以提高文件搜索的效率。 * **更流暢的入門流程：**我們已經減少了入門流程中多餘的步驟，使其更快速且更高效。 * **常識資訊的響應式 UI：**我們已經優化了在 memento 頁面上的常識資訊的 UI，使其具有響應式，改進了在不同設備上的可讀性。 * **Memento 大小顯示：**現在，當授權一個應用程式時，將顯示 mementos 的大小，幫助使用者更好地理解他們授權的 mementos。 ## 錯誤修正 **用戶重新命名應用程式：** 現在正確處理用戶重新命名應用程式的情況，防止潛在的錯誤。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次發布。 --- # 2024年1月15日 ## 新功能 * **文件搜尋**：透過我們高效的搜尋功能輕鬆找到您的文件。 * **Google Drive 整合**：透過 Google Drive 無縫管理您的檔案。 * **開發者中心**：為開發者提供一個友好的空間，輕鬆註冊和配置他們的應用程式以整合 Rememberizer。 * **回憶管理**：輕鬆創建、列出和刪除您的回憶。 * **資料來源管理**：輕鬆連接和斷開您的資料來源。 * **簡易入門**：我們的入門狀態功能旨在為所有用戶和開發者提供順利的開始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在這次版本中，我們推出了一個公共的常識頁面，改善了回憶結構和入門 UI，並修正了應用授權計數的錯誤。 --- # 2024年2月12日 ## 新功能 * **公共常識頁面**：已實行新的公共常識頁面，以便更好地存取和分享資訊。 * **入職流程中的常識知識**：用戶現在可以直接從入職頁面增加常識知識。 * **紀念品的樹狀結構**：紀念品中的檔案現在以樹狀結構返回，以便更清晰地導航和查看。 ## 改進 * **入門步驟的使用者介面**: 入門步驟的使用者介面已進行調整，以改善使用者體驗。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本專注於提升性能、改善身份驗證，並提高整體可靠性，以提供更好的使用者體驗。 --- # 2024年11月1日 ### 改進 - **更快的搜索性能**：優化後端流程，以提供更快的文檔訪問。 - **增強的身份驗證系統**：升級身份驗證以提高安全性和可靠性。 - **改進的索引可靠性**：增強文檔索引的監控，以確保所有文檔均可搜索。 - **優化的系統性能**：實施後端優化，以提供更快和更高效的服務。 ### 新功能 - **自動數據源重新連接**：數據源現在會自動保持連接，確保您可以不間斷地訪問您的信息。 ### 錯誤修正 - **增強隱私控制**：修正了一個問題，防止未經授權的用戶在視圖中列出，改善了隱私。 - **解決應用授權問題**：修正了授權應用的重定向問題，以實現無縫訪問。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本專注於增強用戶身份驗證體驗，包括更順暢的登錄重定向和改善桌面應用支持。 --- # 2024年11月15日 ### 新功能 - **桌面應用程式認證**：用戶現在可以直接通過我們的桌面應用程式進行認證，以獲得更整合的體驗。 ### 改進 - **無縫登錄重定向**：未經身份驗證的用戶現在在登錄後會被重定向回他們的原始頁面，確保了不間斷的導航。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增強的用戶體驗，改進了文檔大小管理，更直觀的搜索界面，以及無縫的Dropbox集成。我們還解決了關鍵的錯誤。 --- # 2024年1月29日 ## 新功能 * **Dropbox 整合**：您現在可以直接在我們的平台上索引、重新索引、列出和提交 Dropbox 文件。 * **在入門步驟中的 Dropbox**：Dropbox 的整合現已成為入門步驟的一部分，從而易於設定。 ## 改進之處 * **文件大小限制**：我們將每個用戶的總文件大小限制為1GB，以確保優化性能。 * **改進搜索體驗**：搜索介面已進行優化，以提供更好的用戶體驗。 ## 錯誤修正 * 修正了處理空文件的問題，以實現更順暢的操作。 * 解決了處理 Slack 附件時的錯誤，以實現無縫整合。 * 正確地將「註冊」按鈕鏈接到「註冊」頁面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此次更新帶來了先進的備忘錄整合、改進的 Dropbox 和 Google Drive 同步功能，以及關鍵的錯誤修正，以提升用戶體驗和系統可靠性。 --- # 2024年4月26日 ## 新功能 * **公眾應用程序的搜尋功能：** 公眾應用程序頁面新增了一個搜尋功能，使用者可以更有效地找到應用程序。 ## 改進 * **連接應用的佈局更新：**「您的連接應用」頁面的佈局已更新，以提供更好的用戶體驗和導航。 * **常識卡片更新：** 在精煉備忘錄頁面中的常識卡片現在顯示大小而非文檔數量，提供更清晰的存儲使用資訊。 * **Dropbox 和 Google Drive 的自動同步功能增強：** Dropbox 和 Google Drive 的自動同步功能已增強，提供更流暢和更可靠的同步體驗。 * **公共應用頁面的分頁：** 我們在公共應用頁面實現了分頁，改善了導航和加載時間，以提供更好的用戶體驗。 * **更新備忘錄中的精煉按鈕以適用於常識卡片：** 在常識卡片的備忘錄中的精煉按鈕已更新，提高了可用性和清晰度。 ## 錯誤修正 * **子檔案索引問題：** 修正了一個錯誤，當第一次連接整合時，選定資料夾中的子檔案未正確索引，確保全面的檔案管理。 * **搜尋失敗的登出問題：** 解決了一個問題，當搜尋不存在的紀念品失敗時，強迫用戶登出，改善錯誤處理和用戶留存。 * **個人資料編輯驗證：** 解決了編輯個人資料頁面上的驗證問題，確保資訊被準確捕捉和處理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此版本專注於改善數據索引、使用追蹤、性能和用戶體驗的增強。 --- # 2024年9月13日 ### 改進 - **改進的使用追蹤**：新的邏輯提供了對您的存儲和使用限制的更準確監控。 - **增強的性能**：Memento 操作現在經過優化，以提高響應速度。 - **增強的錯誤顯示**：當文檔索引失敗時，知識頁面上的錯誤信息更加清晰，便於識別問題。 - **精簡的數據源連接**：數據源面板在連接後自動打開，簡化了設置過程。 - **改進的默認設置**：默認用戶設置已更新，以提高性能和準確性。 ### 新功能 - **批次文件刪除**：現在您可以一次刪除多個文件，簡化數據管理。 - **自動重新索引**：在需要時，收藏夾將自動重新索引，確保搜索結果是最新的。 ### 錯誤修正 - **修正索引錯誤**：解決了數據索引的問題，以提高搜索的可靠性。 - **減少通知垃圾郵件**：修正了一個導致與文檔成員資格相關的過多通知的問題。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我們新的向量數據庫服務，以便更有效地處理數據，並增強系統穩定性以及關鍵錯誤修正，以改善您的整體體驗。 --- # 2024年10月11日 ### 新功能 - **向量資料庫服務**：推出了一項新的向量資料庫服務，以便更有效地存儲數據和更快速地檢索信息。 ### 改進 - **增強系統穩定性**：改善後端流程以防止競爭條件，確保文檔處理更順暢。 - **優化連接管理**：實施更好的連接處理以提高性能和可靠性。 ### 錯誤修正 - **修正會員合併問題**：解決了在向量儲存中合併會員資料時出現錯誤的問題。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此版本帶來了對文件搜索、備忘錄組織和整合管理的令人興奮的改進。我們通過更流暢的導航和更高效的數據處理增強了用戶體驗。 --- # 2024年7月12日 ### 新功能 * **文件搜尋**：享受強大的新搜尋功能，讓您能迅速而輕鬆地在文件中找到所需資訊。 * **新回憶樹結構**：體驗一種全新的方式來組織您的回憶，通過我們直觀的樹結構，讓您更容易導航和管理資訊。 * **回憶自動同步**：透過我們的新回憶自動同步功能，輕鬆保持您的數據最新。 ### 改進 * **增強回憶體組織**：我們已經精煉了回憶體側邊欄，以提供更清晰的文件和資料夾視圖，使導航變得輕而易舉。 * **整合管理**：通過新的下拉功能，輕鬆過濾和管理您的整合，讓您對連接的服務有更多控制權。 * **更快的文件搜索**：我們的新防抖搜索功能在您輸入時提供更快、更靈敏的結果。 * **首頁和知識頁面更新**：我們已重新組織關鍵頁面上整合的布局，以改善可訪問性和用户體驗。 ### 錯誤修正 * **改善整合可靠性**：我們已增強系統以更好地處理來自連接服務的信息，確保在使用整合時提供更流暢的體驗。 * **更清晰的用戶界面**：我們已刪除知識頁面上不必要的警告信息，以獲得更簡潔的外觀。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增強了用戶檔案管理，改善了 Slack 和 Dropbox 的整合，引入了帳戶刪除功能，並解決了關鍵的操作問題。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您現在可以直接在我們的平台中取得Dropbox的共享文件/文件夾。 * **帳號刪除**：如有需要，用戶現在有選擇刪除他們的帳號。 * **Slack同步**：我們已開始與Slack進行同步，以實現更好的整合，儘管Slack線程同步尚未包括在內。 * **用戶資料**：用戶現在可以更有效地更新他們的資料信息。 ## 改進 * **Slack 頻道**：為了方便導航，現在已按名稱對 Slack 頻道進行排序。 ## 錯誤修正 * 解決了應用程式目錄中無效來源的問題。 * 解決了與 OpenAI GPT 相關的錯誤，以改善 API 呼叫。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此次更新增強了安全性，精煉了介面，並解決了關鍵錯誤， 包含新的 API 限制、更新的金鑰以及 MacOS 應用程式。 --- # 2024年4月19日 ## 新功能 * **MacOS 桌面應用程式：** 為 MacOS 用戶推出專用的桌面應用程式，增強可訪問性和用戶體驗。 \ 查看文件：[Rememberizer 桌面代理應用程式](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改進 * **應用程式目錄 UI 更新：** 應用程式目錄的新佈局提供了更直觀且用戶友好的導航體驗。 ## 錯誤修正 * **搜尋文件換行處理：** 修正了一個問題，該問題導致在搜尋文件查詢中換行符和回車符被不正確地移除。 * **搜尋 UI 顯示錯誤：** 修正了一個搜尋 UI 錯誤，以確保在搜尋結果中每個文件的 `建立於` 欄位準確顯示。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增強了導航，改善了文件處理，並更新了應用程式名稱。主要更新包括限制首頁應用程式、更好的 Slack 文件處理，以及重新命名桌面應用程式。 --- # 2024年6月28日 ## 改進 * **限制首頁應用程式數量：** 我們限制了首頁顯示的應用程式數量，以便用戶更容易導航並找到所需內容。 * **後處理 Slack 文件：** 增強了對 Slack 文件的處理，以確保更順暢和更準確的處理。 * **更新桌面應用程式名稱：** 桌面應用程式已更名為 "Rememberizer App"，以提高清晰度和品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本帶來了改進的同步、增強的數據加密和 多個錯誤修復，以提供更順暢的用戶體驗。 --- # 2024年3月25日 ## 改進 * **備忘錄增強：** 新增顯示額外備忘錄資訊的功能並顯示索引進度，使用戶更容易追蹤其資料的狀態。 ## 錯誤修正 * **UI 響應性：** 解決了多次點擊斷開連接按鈕的問題，以防止 UI 錯誤。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 整合，使用者可以連接他們的帳戶並選擇標籤以用於他們的知識庫，以及一個新的記憶功能以增強搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer 記憶體** 允許應用程式在用戶的 Rememberizer 帳戶中保存和共享數據，為來自多個應用程式的重要信息提供一個集中位置。\ \ **好處** * **對於用戶：** 輕鬆訪問來自所有應用程式的數據，應用程式之間無縫同步，即使卸載應用程式也能持久存儲。 * **對於開發者：** 不需要創建自定義的數據存儲系統，可以利用其他應用程式的數據，簡化跨應用整合。 記憶體文檔：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 記憶體 API 文檔：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 整合：** 用戶現在可以連接其 Gmail 帳戶並選擇特定標籤以添加到其知識庫中。 * **Google Drive 共享雲端硬碟支持：** 我們已經增加對 Google Drive 共享雲端硬碟的支持，允許用戶將共享雲端硬碟中的文檔包含到其知識庫中。 ## 改進 * **文件索引：** 我們增強了文件索引過程，確保新文件成功上傳和索引。若索引失敗，已實施重試機制。 * **應用程式發布流程：** 已從應用程式發布流程中移除審核步驟，簡化開發者的流程。 * **連接的應用程式 UI：** “您的連接應用程式” UI 已增強，以處理未連接任何應用程式的情況，改善用戶體驗。 ## 錯誤修正 * **重新命名應用程式：** 解決了重新命名應用程式時出現錯誤的問題。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如「探索應用程式」頁面和改進的文件管理，以及關鍵的優化和錯誤修正，以提供更流暢的使用者體驗。 --- # 2024年1月22日 ## 新功能 * **探索應用程序頁面**：您現在可以直接從專用頁面探查不同的應用程序。 * **配額控制**：現在提供可以在選擇文件時控制配額大小的新功能，從而保證更好的文件管理。 ## 改進 * **改善文件搜尋**：我們改進了搜尋功能以返回文件數，使管理和導航文件變得更簡單。 * **改善新手入門**：在新手入門步驟中添加了一個 '跳過' 按鈕，使新手入門過程更具靈活性。 ## 錯誤修正 * 解決了處理複雜 PDF 文件的問題，以提高可讀性和可訪問性。 * 解決了與 Slack 限速相關的問題，以確保無間斷的整合。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增強了 SQL 查詢，精煉了用戶界面，並修復了錯誤。主要更新：優化搜索、自動生成名稱、新的備忘按鈕，以及改進的導航。 --- # 2024年5月31日 ## 新功能 * **新紀念按鈕：** 我們新增了一個按鈕，可在授權應用程式時創建紀念品，讓過程更加人性化。 ## 改進 * **優化搜索:** 提升了搜索功能，使結果更快且更準確。 * **授權應用程式時調整介面:** 在授權應用程式時對用戶介面進行了微調，以提供更流暢的體驗。 ## 錯誤修正 * **修正縮排問題：** 修正了一個縮排問題，以確保應用程序中的格式一致性。 ==> notices/b2b/README.md <== --- description: 為Skydeck AI Inc互動的其他企業提供的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: Rememberizer 代理 --- # 關於 Reddit 代理 一個 Rememberizer 代理從選定的 Sub-Reddits 獲取 Reddit 內容，以便用戶和創作者可以查詢其內容及其他參與者的潛在語義意義，以便使用他們自己的 AI 工具以及那些通過 Rememberizer 授權的其他工具來與該內容互動。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 為什麼 Rememberizer 不僅僅是一個資料庫或關鍵字搜尋引擎。 --- # 什麼是向量嵌入和向量數據庫？ Rememberizer 使用向量嵌入在向量數據庫中啟用對用戶知識來源的語義相似性搜索。這是一種比通過搜索引擎或數據庫簡單查找內容中的關鍵字更為先進和細緻的信息檢索形式。
多維空間

多維空間

在其最先進的形式中（如 Rememberizer 所使用的），向量嵌入是由語言模型創建的，這些模型的架構類似於支撐 OpenAI 的 gpt 模型和 ChatGPT 服務的 AI LLM（大型語言模型），以及來自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服務。因此，使用向量嵌入來發現相關知識以納入 AI 模型提示的上下文是自然而然的。這些技術是互補的，並且在某種程度上是等價的。因此，大多數作為服務提供 LLM 的供應商也會提供作為服務的向量嵌入（例如：[來自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [來自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入看起來像什麼？考慮在二維中的一個坐標 (x,y)。如果它表示從原點到這一點的線，我們可以將其視為一條有方向的線，換句話說，是一個 _二維向量_。在我們的上下文中，向量嵌入將是一個類似於 768 個數字的列表，代表一個 768 維空間中的向量。最終，這個數字列表可以表示在 Transformer 模型中介於零和一之間的權重，這些權重定義了短語的意義，例如「一道突如其來的閃電」。這在根本上是 GPT-4 中使用的相同基本意義表示。因此，我們可以期待一個良好的向量嵌入能夠實現我們在現代 AI 語言模型中看到的同樣出色的表面理解。 \ 值得注意的是，向量嵌入不僅可以用來表示文本，還可以表示其他類型的數據，如圖像或聲音。通過適當訓練的模型，可以跨媒介進行比較，因此一段文本的向量嵌入可以與一幅圖像進行比較，或 _反之亦然_。今天，Rememberizer 使得在用戶文檔和知識的文本組件中進行搜索成為可能。但文本到圖像和圖像到文本的搜索在計劃中。\ \ Google 使用向量嵌入來驅動他們的文本搜索（文本到文本）以及他們的圖像搜索（文本到圖像）（[參考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考慮在其社交網絡搜索中使用嵌入（[參考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入來理解上下文，以便在正確的時間向正確的用戶提供正確的廣告（[參考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量數據庫的工作原理，請從 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 開始。Pinecone（作為服務的向量嵌入數據庫）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一個了解向量中的搜索和知識的好來源是 Meta/Facebook 的 FAISS 庫的論文和代碼。由 Johnson、Douze 和 Jégou（2017）撰寫的「FAISS：高效相似性搜索和密集向量聚類的庫」：FAISS 提供了一個設計用於高效相似性搜索和密集向量聚類的庫的綜合概述。它討論了在大規模向量數據庫中優化索引和搜索過程的方法，包括基於產品量化的方法。了解更多的最佳地方是文檔以及 [Github 上的代碼](https://github.com/facebookresearch/faiss)。 \ 務必考慮 2017 年 6 月的論文，這篇論文啟動了 genAI（生成性人工智能）革命，「注意力是你所需要的一切。」（[參考](https://arxiv.org/abs/1706.03762)），該論文介紹了 GPT 模型及其後續的所有 LLM 背後的 Transformer 架構，這些模型來自 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和許多其他開源項目。\ 還要考慮「近似最近鄰：消除維度詛咒的方向」（[參考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[參考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。這些論文討論了高維空間中近似最近鄰（ANN）搜索的理論，這是向量數據庫中高效檢索相似項目的核心概念。 {% hint style="info" %} 這些基於 Transformer 的模型的一個令人興奮的地方是，它們使用的數據越多，變得越大（參數越多），它們的理解和能力就越好。OpenAI 首次注意到這一點是在他們訓練 GPT-2 模型時。意識到這一潛力後，他們立即停止了作為開源導向的非營利組織，轉而成為一家專注於生產 GPT-3、GPT-4 及其著名前端 ChatGPT 的封閉源利潤公司。有趣的是，Google 擁有這項技術的專利——這是他們的研究人員開發了 Transformers 和「注意力是你所需要的一切」（[參考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 對我的描述有些不同，寫道：「關於 OpenAI 從開源導向的非營利組織轉變為封閉源利潤實體的敘述簡化了一個複雜的演變。OpenAI 的轉變包括專注於安全和負責任的 AI 開發以及商業化方面。值得注意的是，儘管 OpenAI 優先開發像 GPT-3 及以後的專有技術，但它仍然通過出版物和合作與研究社區保持互動。」 {% endhint %} BERT 語言模型基於 Transformers，通常用於先進的向量嵌入引擎。這在 2018 年的論文「BERT：用於語言理解的深度雙向 Transformers 的預訓練」（[參考](https://arxiv.org/abs/1810.04805)）中介紹。BERT（來自 Transformers 的雙向編碼器表示）標誌著向預訓練模型的重大轉變，這些模型可以針對各種 NLP 任務進行微調。其創新的雙向訓練和 Transformer 架構的使用為模型性能在眾多基準中設立了新標準。\ \ 早期創新的向量嵌入創建方法由 GloVe（2014，斯坦福）和 Word2Vec（2013，谷歌）提出。「GloVe：單詞表示的全局向量」（[參考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）論文提出了一種新的全局對數雙線性回歸模型，用於無監督學習單詞表示，結合了嵌入的兩種主要方法的優點：全局矩陣分解和局部上下文窗口方法。「在向量空間中高效估計單詞表示」（[參考](https://arxiv.org/abs/1301.3781)）：這篇論文介紹了 Word2Vec，這是一種開創性的生成單詞嵌入的方法。Word2Vec 模型，包括連續詞袋（CBOW）和 Skip-Gram 模型，對單詞嵌入的演變至關重要。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您將學習如何創建一個 Rememberizer 應用程序並與 OpenAI GPT 連接， 使 GPT 能夠訪問 Rememberizer API 的功能。 --- # 創建記憶化器 GPT ### 前提條件 首先，您需要[註冊一個 Rememberizer 應用程式](registering-rememberizer-apps.md)並使用適當的設置進行配置。 要創建一個 GPT，您需要將 Rememberizer 應用程式的授權請求來源設置為`https://chat.openai.com`。 > 您需要添加一個回調 URL 來註冊應用程式，但您只能在為您的 GPT 添加操作後找到回調 URL，暫時將其留作虛擬值（例如 https://chat.openai.com）。獲得回調 URL 後，您需要為應用程式更新正確的 URL。\ > \ > **注意：** GPT 在您更改其配置後會更新其回調 URL。請確保複製最新的回調 URL。 創建應用程式後，複製 **客戶端 ID** 和 **客戶端密鑰**。我們將在創建 GPT 時使用它們。關於如何獲取這些信息的指導可以訪問[授權 Rememberizer 應用程式](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 創建一個 GPT 您可以通過 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor) 開始。 {% hint style="warning" %} 注意：創建自定義 GPT 應用僅適用於付費計劃帳戶。 {% endhint %} #### GPT 配置 您可以根據自己的需要填寫信息。這裡有一個您可以嘗試的示例：
字段示例值
名稱RememberizerGPT
描述直接與您所有的 PDF、文檔、表格、幻燈片在 Google Drive 和 Slack 頻道上對話。
指示Rememberizer 設計為與 Rememberizer 工具無縫互動，使得用戶能夠高效地從多個來源（如 Google Drive 和 Slack）查詢他們的數據。主要目標是提供快速且準確的用戶數據訪問，利用 Rememberizer 的能力來優化搜索速度和精確度。GPT 應該指導用戶制定查詢並解釋結果，確保流暢且友好的使用體驗。在處理數據檢索和分析時，保持回答的清晰和精確至關重要。GPT 應能夠處理各種查詢，從簡單的數據查找到涉及多個參數或來源的更複雜搜索。重點是增強用戶快速有效訪問所需信息的能力，使過程盡可能輕鬆。
#### 創建 Rememberizer 動作 從 GPT 編輯器： 1. 選擇「配置」 2. 「添加動作」 3. 配置身份驗證類型。 * 將身份驗證類型設置為 **OAuth**。 * 從上述步驟中粘貼 **客戶端 ID** 和 **客戶端密鑰**。 * 授權 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 將 **範圍** 留空。 * 點擊 **保存**。
gpt auth type config
4. 填寫 Rememberizer 的 OpenAPI 規範。複製下面可展開的內容並粘貼到 **架構** 欄位：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 與 Rememberizer 互動的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 獲取當前用戶的帳戶詳細信息。 description: 獲取帳戶信息 operationId: account responses: "200": description: 用戶帳戶信息。 content: application/json: schema: type: object properties: id: type: integer description: 用戶的唯一標識符。請勿在任何地方顯示此信息。 email: type: string format: email description: 用戶的電子郵件地址。 name: type: string description: 用戶的名稱。 /integrations/: get: summary: 列出所有可用的數據源集成。 description: 此操作檢索可用的數據源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用數據源的列表 items: type: object properties: id: type: integer description: 數據源的唯一標識符。請勿在任何地方顯示此信息。 integration_type: type: string description: 數據源的類型。 integration_step: type: string description: 集成的步驟。 source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_type: type: string description: 文件的類型。 document_stats: type: object properties: status: type: object description: 數據源的狀態。 properties: indexed: type: integer description: 已編入索引的文檔數量。 indexing: type: integer description: 正在編入索引的文檔數量。 error: type: integer description: 有錯誤的文檔數量。 total_size: type: integer description: 數據源的總大小（以字節為單位）。 document_count: type: integer description: 數據源中的文檔數量。 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 /documents/: get: summary: 獲取所有文檔和 Slack 頻道的列表。 description: 使用此操作檢索有關所有可用文檔、文件、Slack 頻道和數據源中的常識的元數據。您應該指定 integration_type 或將其留空以列出所有內容。 operationId: documents_list parameters: - in: query name: page description: 頁面的索引 schema: type: integer - in: query name: page_size description: 每頁返回的最大文檔數量 schema: type: integer - in: query name: integration_type description: 按集成類型過濾文檔。 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: 文檔的總數量。 next: type: string nullable: true description: 下一頁結果的 URL。 previous: type: string nullable: true description: 前一頁結果的 URL。 results: type: array description: 文檔、Slack 頻道、常識等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文檔的唯一標識符。請勿在任何地方顯示此信息。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 id: type: integer description: 文檔的唯一標識符。 integration_type: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 source: type: string description: 文檔的來源。 status: type: string description: 文檔的狀態。 indexed_on: type: string format: date-time description: 文檔編入索引的日期和時間。 size: type: integer description: 文檔的大小（以字節為單位）。 /documents/search/: get: summary: 按語義相似性搜索文檔。 description: 使用最多 400 字的查詢文本啟動搜索操作，並從存儲的知識中接收最語義相似的響應。對於問答，將您的問題轉換為理想答案並提交以接收相似的真實答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到語義相似的知識片段的最多 400 字的句子。 schema: type: string - name: n in: query description: 要返回的語義相似文本片段的數量。使用 'n=3' 以獲取最多 5 個，使用 'n=10' 獲取更多信息。如果您沒有收到足夠的信息，請考慮使用更大的 'n' 值再次嘗試。 schema: type: integer responses: "200": description: 成功檢索文檔 content: application/json: schema: type: object properties: data: type: array description: 語義相似的知識片段列表 items: type: object properties: chunk_id: type: string description: 片段的唯一標識符。 document: type: object description: 文檔詳細信息。 properties: id: type: integer description: 文檔的唯一標識符。 document_id: type: string description: 文檔的唯一標識符。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 size: type: string description: 文檔的大小。 created_time: type: string description: 文檔創建的日期和時間。 modified_time: type: string description: 文檔最後修改的日期和時間。 integration: type: object description: 文檔的集成詳細信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 數據源的總大小（以字節為單位） document_count: type: integer matched_content: type: string description: 語義相似的內容。 distance: type: number description: 余弦相似度 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 nullable: true "400": description: 錯誤的請求 "401": description: 未授權 "404": description: 未找到 "500": description: 內部伺服器錯誤 /documents/{document_id}/contents/: get: summary: 通過 ID 獲取特定文檔內容。 operationId: document_get_content description: 返回具有指定 ID 的文檔的內容，以及最新檢索的片段的索引。每次調用最多提取 20 個片段。要獲取更多，請使用響應中的 end_chunk 值作為下一次調用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要檢索內容的文檔 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望檢索的起始片段。如果未指定，默認值為 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望檢索的結束片段。如果未指定，默認值為 start_chunk + 20。 responses: "200": description: 文檔內容和最新檢索片段的索引。 content: application/json: schema: type: object properties: content: type: string description: 文檔的內容。 end_chunk: type: integer description: 最新檢索片段的索引。 "404": description: 文檔未找到。 "500": description: 內部伺服器錯誤。 /common-knowledge/subscribed-list/: get: description: 此操作檢索用戶已訂閱的共享知識（也稱為常識）列表。每個共享知識包括用戶可以訪問的文檔 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: 這是共享知識的唯一標識符。請勿在任何地方顯示此信息。 num_of_subscribers: type: integer description: 這表示訂閱此共享知識的用戶數量 publisher_name: type: string published_by_me: type: boolean description: 這表示共享知識是否由當前用戶發布 subscribed_by_me: type: boolean description: 這表示共享知識是否由當前用戶訂閱，在此 API 中應為 true created: type: string description: 這是共享知識創建的時間 modified: type: string description: 這是共享知識最後修改的時間 name: type: string description: 這是共享知識的名稱 image_url: type: string description: 這是共享知識的圖像 URL description: type: string description: 這是共享知識的描述 memento: type: integer description: 這是 Rememberizer memento 的 ID，該共享知識是從中創建的。 document_ids: type: array items: type: integer description: 這是屬於共享知識的文檔 ID 列表 /documents/memorize/: post: description: 將內容存儲到數據庫中，稍後可以通過搜索端點訪問。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 內容成功存儲 "400": description: 錯誤的請求 "401": description: 未授權 "500": description: 內部伺服器錯誤 /discussions/{discussion_id}/contents/: get: summary: 通過 ID 獲取討論的內容。討論可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的討論的內容。討論可以是 Slack 或 Discord 聊天。響應包含 2 個字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而後者是討論的主題。 parameters: - in: path name: discussion_id required: true description: 要檢索內容的討論 ID。討論是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示討論的集成。目前，它只能是「slack」或「discord」。 - in: query name: from schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的起始時間。如果未指定，默認時間為現在。 - in: query name: to schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的結束時間。如果未指定，則為「from」參數之前的 7 天。 responses: "200": description: 在時間範圍內的主要和主題消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要討論的內容。 thread_contents: type: object description: 包含討論主題的字典列表，每個鍵表示主題的日期和時間（以 ISO 8601 格式表示），值是主題的消息。 "404": description: 討論未找到。 "500": description: 內部伺服器錯誤。 ||CODE_BLOCK||
5. 將此鏈接添加為隱私政策：`https://docs.rememberizer.ai/notices/privacy-policy`。 6. 創建動作後，複製回調 URL 並將其粘貼到您的 Rememberizer 應用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您將學習如何在 Rememberizer 中創建常識並獲取其 API 密鑰，以通過 API 調用連接和檢索其文檔。 --- # 註冊和使用 API 金鑰 ### 先決條件 首先，您需要擁有[一個備忘錄](../personal/mementos-filter-access.md)，該備忘錄是使用您的索引知識文件創建和精煉的。 ### 創建共通知識 要創建共通知識，請登入您的 Rememberizer 帳戶並訪問 [您的共通知識頁面](https://rememberizer.ai/personal/common-knowledge)。選擇 **"您的共享知識"**，然後點擊 **"開始"**。
common knowledge page
然後選擇您之前創建的其中一個紀念品，您也可以選擇 **"全部"** 或 **"無"**。
create common knowledge 1
最後填寫共通知識的名稱、描述並給它一張代表性的照片。
create common knowledge 2
填寫完表單後，點擊底部的 "分享知識" 來創建您的共通知識。之後，啟用您的知識中的 **"啟用共享"**，並在彈出窗口中點擊 **"確認"**。
common knowledge sharing
您現在已經準備好獲取其 API 金鑰並通過 API 調用訪問其文檔。 ### 獲取您創建的共通知識的 API 金鑰 對於您的共通知識，點擊右上角的三個點，然後選擇「API 金鑰」。如果尚未存在，將為您創建一個。如果 API 金鑰已存在，將返回該金鑰。
knowledge open API key
在 **「管理您的 API 金鑰」** 面板中，您可以點擊 **「眼睛」** 按鈕來顯示/隱藏，點擊 **「複製」** 按鈕將金鑰複製到剪貼板，並點擊 **「重新生成 API 金鑰」** 以使舊金鑰失效並創建一個新金鑰（通過 API 調用訪問您文件的應用程序在您更新新金鑰之前將無法訪問）。
copy api key
獲得 API 金鑰後，您可以在對 Rememberizer 的 API 調用中使用它來查詢您的索引文件和內容。 ### 使用 API 金鑰 要訪問 Rememberizer 端點，您需要在 API 請求的 `X-API-Key` 標頭中使用 API 金鑰。請查看 [API 文檔](api-documentations/) 以查看 Rememberizer 提供的端點。 您還可以在自定義 GPT 應用中使用 API 金鑰。首先 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor)。確保選擇身份驗證類型為「API 金鑰」，身份驗證類型為「自定義」，標頭為「X-Api-Key」，然後將您之前複製的金鑰粘貼到 API 金鑰文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帳戶下創建和註冊 Rememberizer 應用。Rememberizer 應用可以代表用戶行事。 --- # 註冊 Rememberizer 應用程式 1. 在任何頁面的左上角，點擊 **開發者**，然後點擊 **註冊的應用程式**。
registered apps browse
2. 點擊 **註冊新應用程式**。將會彈出一個窗口以填寫您的應用程式資訊。
register new app
3. 在 **"應用程式名稱"** 中，輸入您的應用程式名稱。 4. 在 **"描述（可選）"** 中，根據需要填寫您的應用程式描述。 5. 在 **"應用程式標誌（可選）"** 中，若有的話，上傳您的應用程式標誌。 6. 在 **"登陸頁面 URL"** 中，輸入您的登陸頁面的域名。您的登陸頁面包含了您的應用程式的詳細摘要，以及它如何與 Rememberizer 整合。 7. 在 **"授權請求來源"** 中，輸入您應用程式網站的域名。 8. 在 **"授權重定向 URL"** 中，輸入您應用程式的回調 URL。 9. 點擊 **"創建應用程式"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以將 Rememberizer 整合為 LangChain 檢索器，以為您的 LangChain 應用程式提供強大的向量數據庫搜索訪問。 --- # LangChain 整合 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 這個筆記本展示了如何從 `Rememberizer` 獲取文件，該文件格式在下游使用。 ## 準備 您需要一個 API 金鑰：您可以在創建共通知識後獲得一個。詳細的創建共通知識的說明可以參考 [註冊和使用 API 金鑰](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您擁有 API 金鑰，您必須將其設置為環境變數 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 時將其作為 `rememberizer_api_key` 傳遞。 `RememberizerRetriever` 有以下參數： \- 可選的 `top_k_results`：預設值=10。用於限制返回的文檔數量。 \- 可選的 `rememberizer_api_key`：如果您未設置環境變數 `REMEMBERIZER_API_KEY`，則為必需。 `get_relevant_documents()` 有一個參數 `query`：用於在 `Rememberizer.ai` 的共通知識中查找文檔的自由文本。 ## 範例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||CODE_BLOCK|| # 設定 API 金鑰 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="大型語言模型是如何運作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文件的元資訊 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '大型語言模型 (LLM) 是什麼？_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/大型語言模型 (LLM) 是什麼？_ _ 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]) # 文件的內容 ||CODE_BLOCK|| ||CODE_BLOCK|| 在某種程度上，它們「理解」語義，因為它們可以根據意義將單詞和概念聯繫起來，因為它們已經看過這些單詞和概念以這種方式成組出現了數百萬或數十億次。開發人員如何能夠快速開始構建自己的 LLM 以建立 LLM 應用程式，開發人員需要輕鬆訪問多個數據集，並且他們需要這些數據集的存放地 ||CODE_BLOCK|| ## 在鏈中使用 ||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 = [ "什麼是 RAG？", "大型語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"-> **問題**: {question} \n") print(f"**答案**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **問題**: 什麼是 RAG？ **答案**: RAG 代表檢索增強生成。這是一個 AI 框架，從外部知識庫檢索事實，以增強大型語言模型 (LLMs) 生成的回應，提供最新和準確的信息。這個框架幫助用戶理解 LLM 的生成過程，並確保模型可以訪問可靠的信息來源。 -> **問題**: 大型語言模型是如何工作的？ **答案**: 大型語言模型 (LLMs) 通過分析大量的語言數據集來理解和生成人類語言文本。它們基於機器學習，特別是深度學習，這涉及訓練程序在沒有人工干預的情況下識別數據的特徵。LLMs 使用神經網絡，特別是變壓器模型，來理解人類語言中的上下文，使它們在模糊或新上下文中更好地解釋語言。開發人員可以通過訪問多個數據集和使用 Cloudflare 的 Vectorize 和 Cloudflare Workers AI 平台快速開始構建自己的 LLM。 ||CODE_BLOCK|| ### 相關[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 檢索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 檢索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **請幫助我們提供對此文檔頁面的反饋：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 創建一個簡單的網頁應用程式，通過對 Rememberizer 的查詢將 LLM 與用戶知識集成是非常容易的。 --- # Talk-to-Slack 範例網頁應用程式 應用程式的源代碼可以在 [這裡](https://github.com/skydeckai/rememberizer) 找到。 在本節中，我們將提供逐步指導和完整的源代碼，以便您能夠快速創建自己的應用程式。 我們在 OpenAI 上創建了一個 Talk-to-Slack GPT。Talk-to-Slack 網頁應用程式非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 網頁應用程式

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 網頁應用程式

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 簡介 在這份指南中，我們提供了逐步的指導和完整的源碼，以幫助你創建你自己的應用程式，類似於我們與Rememberizer.ai的Talk-to-Slack GPT整合。與Slack整合不同的是，一個網路應用程式提供更多功能和控制，例如網路抓取、本地數據庫訪問、圖形與動畫，以及收集付款。此外，它可以被任何人使用，而不需要一個高級genAI帳戶。 ### 概述 我們的示例應用程式，與 Slack 對話，託管在 Heroku 上，並整合 OpenAI 的 LLM 與 Rememberizer.ai，以增強您的 Slack 體驗。該網路應用程式使用 Flask 建構並提供如 OAuth2 整合，Slack 數據訪問，和直觀的使用者介面等功能。 ### 功能 * **基於 Flask 的架構**：後端操作、前端通訊以及API交互均由 Flask 負責處理。 * **OAuth2 整合**：使用 Rememberizer 的 OAuth2 流程，以實現安全的授權和資料存取。 * **Slack 數據存取**：使用 Rememberizer 的API 安全地取得已連接的 Slack 用戶資料。 * **OpenAI LLM 整合**：使用 OpenAI 的 LLM 服務來處理查詢，以便得出有見地的回答。 * **直觀的用戶界面**：提供現代 UI 設計以便輕鬆導航和交互。 * **最佳實踐**：遵從安全與用戶體驗標準，以實現無縫整合。 ### 設定和部署 #### 前置條件 * Python * Flask {% hint style="info" %} 請注意，讓一個 LLM 將整個應用程式重寫成另一種語言（在我們的案例中是 Golang）並不是很困難。因此，請記住您並不僅限於使用 Python。 {% endhint %} #### 環境設定 設定這些環境變數： * `APP_SECRET_KEY`：Flask 的獨特秘密金鑰。 * `REMEMBERIZER_CLIENT_ID`：您的 Rememberizer 應用的客戶端 ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的 Rememberizer 應用的客戶端秘密。 * `OPENAI_API_KEY`：您的 OpenAI API 金鑰。 #### 運行應用程式 1. **啟動 Flask 應用程式**：在終端機中運行 `flask run`，並在 `http://localhost:5000` 訪問應用程式。 2. **將回調 URL 複製到您的 Rememberizer 應用程式配置中**：`https:///auth/rememberizer/callback` 例如：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到雲端 建議部署到像 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **創建 Heroku 帳戶**：安裝 Heroku CLI。 2. **準備您的應用程序**：確保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成進行部署。 **詳細步驟** * **將 Heroku 連接到 GitHub**：啟用來自 GitHub 存儲庫的自動部署，以便無縫更新。 * **手動部署**：可選擇使用手動部署以獲得更多控制。 **其他設置** * 安裝 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 證書：使用自簽名證書進行初始 HTTPS 設置。 * 在 Heroku 上配置環境變量：使用 `heroku config:set KEY=value` 設置必要的鍵。 **其他雲平台** * **GCP**：設置 GCP 帳戶，使用 `app.yaml` 準備您的應用，並使用 `gcloud app deploy` 進行部署。 * **AWS**：在設置 AWS 帳戶和 AWS CLI 後，使用 Elastic Beanstalk 進行部署。 * **Azure**：在創建 Azure 帳戶並安裝 Azure CLI 後，通過 Azure App Service 進行部署。 #### 安全性與最佳實踐 在部署之前，請驗證您的 `requirements.txt`，調整生產環境的配置，並更新 OAuth 重定向 URI。 ### 應用程式代碼註解 **@app.route('/') (索引路由):** 當訪問根 URL (/) 時，此路由渲染 index.html 模板。它作為您應用程式的首頁。 **@app.route('/auth/rememberizer') (Rememberizer 認證路由):** 此路由啟動與 Rememberizer.ai 的 OAuth2 認證過程。它生成一個隨機的狀態值，將其存儲在會話中，構建包含必要參數（客戶端 ID、重定向 URI、範圍和狀態）的授權 URL，並將用戶重定向到 Rememberizer.ai 的授權頁面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回調路由):** 此路由處理來自 Rememberizer.ai 的回調，當用戶授權您的應用程式後。它從查詢參數中提取授權碼，使用 Rememberizer.ai 的令牌端點將其交換為訪問令牌，並將訪問令牌存儲在會話中。然後，它將用戶重定向到 /dashboard 路由。 **@app.route('/dashboard') (儀表板路由):** 此路由向用戶顯示儀表板頁面。它檢查用戶的會話中是否有訪問令牌；如果沒有，則將他們重定向到認證路由。如果用戶已通過認證，它會向 Rememberizer.ai 的帳戶端點發送請求以檢索帳戶信息，並使用這些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 整合信息路由):** 此路由顯示有關用戶與 Rememberizer.ai 的 Slack 整合的信息。它檢查訪問令牌並向 Rememberizer.ai 的整合端點發送請求以獲取整合數據。然後，它使用這些數據渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提問路由):** 此路由處理用戶提交的問題。它檢查訪問令牌，從表單數據中檢索用戶的問題，並向 Rememberizer.ai 的文檔搜索端點發送請求以查找相關信息。然後，它使用 OpenAI 的 GPT-4 模型根據問題和搜索結果生成答案。答案在 answer.html 模板中渲染。 ### 附加說明 * **圖標設計**：運用詳細的摺紙藝術風格設計，反映AI和通信整合的特點。我們的圖標是在Midjourney和Image2Icon中創建的。 * **SSL配置**：使用OpenSSL生成自簽名證書以進行安全通信。 ### 探索與創新 我們鼓勵您探索和創新自己的 AI 整合網頁應用程式，旨在提升您平台內的生產力和協作。 *** 這份修訂的文檔為開發者提供了創建自己 AI 整合網頁應用程式的全面指南，類似於 Talk-to-Slack。它包括設置、部署和應用程式代碼概述的詳細說明，以及最佳實踐。 ==> developer/README.md <== # 開發者 ==> developer/vector-stores.md <== --- description: >- 本指南將幫助您了解如何作為開發者使用 Rememberizer 向量存儲。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量儲存 Rememberizer 向量儲存簡化了處理向量數據的過程，讓您能夠專注於文本輸入，並利用向量的力量進行各種應用，如搜索和數據分析。 ### 介紹 Rememberizer 向量儲存庫旨在提供一個易於使用的介面來處理向量數據。與傳統的向量數據庫（如 Pinecone）不同，Rememberizer 向量儲存庫允許您直接處理文本。該服務將處理文本數據的分塊、向量化和儲存，使您能夠更專注於核心應用邏輯。 ### 開始使用 #### 創建向量存儲 1. 在您的儀表板中導航到向量存儲部分 2. 點擊「創建新的向量存儲」： * 將出現一個表單，提示您輸入詳細信息。 3. 填寫詳細信息： * **名稱**：為您的向量存儲提供一個唯一的名稱。 * **描述**：撰寫一個簡短的向量存儲描述。 * **數據架構**：定義向量維度和任何其他字段。 * 您可以選擇性地指定嵌入模型、索引策略和相似性度量。這些設置會影響向量的生成和比較，優化您特定用例的性能。 4. 提交表單： * 點擊「創建」按鈕。您將收到成功通知，新的存儲將出現在您的向量存儲列表中。
創建新的向量存儲

創建新的向量存儲

#### 管理向量儲存 1. 查看和編輯向量儲存： * 訪問管理儀表板以查看、編輯或刪除向量儲存。 2. 查看文件： * 瀏覽特定向量儲存中的單個文件及其相關元數據。 3. 統計數據： * 查看詳細統計信息，例如儲存的向量數量、查詢性能和操作指標。
查看向量儲存的詳細信息

查看向量儲存的詳細信息

### API 金鑰管理 API 金鑰用於驗證和授權訪問 Rememberizer 向量儲存的 API 端點。妥善管理 API 金鑰對於維護您的向量儲存的安全性和完整性至關重要。本節將介紹如何為您的向量儲存創建和撤銷 API 金鑰。 #### 創建 API 金鑰 1. 前往您的向量存儲詳細信息頁面 2. 導航到 API 金鑰管理部分： * 它可以在「配置」標籤中找到 3. 點擊 **「添加 API 金鑰」**： * 將出現一個表單，提示您輸入詳細信息。 4. 填寫詳細信息： * **名稱**：為 API 金鑰提供一個名稱，以幫助您識別其用例。 5. 提交表單： * 點擊「創建」按鈕。新的 API 金鑰將被生成並顯示。請確保複製並安全存儲它。此金鑰用於驗證對該特定向量存儲的請求。
創建新的 API 金鑰

創建新的 API 金鑰

#### 撤銷 API 金鑰 如果不再需要 API 金鑰，您可以刪除它以防止任何潛在的濫用。 出於安全原因，您可能希望定期更換您的 API 金鑰。這涉及生成一個新金鑰並撤銷舊金鑰。 ### 使用 API 金鑰檢索向量儲存資訊 在創建新的向量儲存並生成 API 金鑰後，您可以將此金鑰分享給需要訪問向量儲存的用戶。API 金鑰允許用戶上傳文件、搜索文件以及在向量儲存中執行其他操作。然而，在用戶能夠與向量儲存互動之前，他們需要使用 API 金鑰檢索向量儲存的 ID 和其他相關資訊。 有關每個 API 端點和響應的詳細資訊，請訪問 [vector-store](api-documentations/vector-store/ "mention") 頁面。 *** 確保安全地處理 API 金鑰並遵循 API 金鑰管理的最佳實踐。 ==> developer/authorizing-rememberizer-apps.md <== # 授權 Rememberizer 應用程式 Rememberizer 的實作支援標準 [授權碼授權類型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授權用戶使用您的應用程式的網頁應用程式流程如下： 1. 用戶被重定向到 Rememberizer 以授權他們的帳戶。 2. 用戶選擇要與您的應用程式一起使用的紀念品。 3. 您的應用程式使用用戶的存取令牌訪問 API。 訪問 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 頁面以查看該流程的 UI 範例。 ### 第一步。請求用戶的 Rememberizer 身份 將用戶重定向到 Rememberizer 授權伺服器以啟動身份驗證和授權過程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 參數：
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。點擊左上角的開發者。在註冊應用程序列表中，點擊您的應用程序，您將在應用憑證中看到客戶端 ID。
response_type必填
必須為 code 以獲取授權碼。
scope

可選

一個以空格分隔的範圍列表，標識您的應用程序可以代表用戶訪問的資源。

redirect_uri必填
用戶授權後將被發送到您應用程序中的 URL。
state

必填

客戶端用於在請求和回調之間維護狀態的模糊值。授權伺服器在將用戶代理重定向回客戶端時包含此值。

### 步驟 2. 使用者選擇並配置他們的紀念品 使用者將選擇與您的應用程式一起使用的紀念品。 ### 步驟 3. 使用者被 Rememberizer 重定向回您的網站 在使用者選擇他們的紀念品後，Rememberizer 會帶著一個臨時的 `code` 參數以及您在前一步提供的狀態以 `state` 參數的形式重定向回您的網站。臨時代碼會在短時間內過期。如果狀態不匹配，則表示請求是由第三方創建的，您應該終止該過程。 ### 第 4 步。用授權碼交換刷新和訪問令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端點需要以下輸入參數。
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。找到此 ID 的說明在第 1 步中。
client_secret必填
您從 Rememberizer 獲得的應用程序客戶端密鑰。
code您在第 3 步中收到的授權碼。
redirect_uri必填
用戶在授權後被發送到您應用程序中的 URL。必須與第 1 步中的 redirect_uri 匹配。
### 步驟 5. 使用訪問令牌訪問 API 訪問令牌允許您代表用戶向 API 發送請求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以這樣設置 Authorization 標頭： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 參考資料 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 獲取 Slack 的內容 {% 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 <== # 取得文件 {% 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 文件說明 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 金鑰](../registering-and-using-api-keys.md) 來驗證 API。OAuth2 是一個標準的授權框架，使應用程序能夠安全地訪問系統中的特定文檔。另一方面，API 金鑰提供了一種更簡單的方法來從公共知識庫中檢索文檔，而無需經過 OAuth2 驗證過程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的數據源整合 {% 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 <== # 獲取當前用戶的帳戶詳細信息 {% 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 <== # 將內容記住到 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 <== # 獲取所有已添加的公共知識 {% 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 <== # 根據語義相似性搜索文檔 {% 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 <== # 獲取文檔內容 {% 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 <== # 獲取向量儲存中的文件列表 {% 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 <== # 獲取文件的信息 {% 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 <== # 向量儲存 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 獲取向量儲存的資訊 {% 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 <== # 根據語義相似性搜索向量存儲文件 {% 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 <== # 將新文本文件添加到向量存儲 {% 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 <== # 移除向量儲存中的文件 {% 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 <== # 更新文件內容至向量儲存 {% 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 <== # 上傳檔案到向量儲存 {% 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: >- 本指南將引導您將您的 Slack 工作區整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Slack 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Slack。
您的知識，準備連接到 Slack

您的知識，準備連接到 Slack

3. 點擊 Slack 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，請求您的許可以允許 Rememberizer 訪問您的 Slack 工作區。
Slack OAuth 畫面

Slack OAuth 畫面

> **注意：** 如果您看到一個警告，表示此應用程式未經 Slack 授權，那是因為 Rememberizer 旨在在 Slack 之外搜尋 Slack 內容，這違反了 [Slack 應用程式目錄指南](https://api.slack.com/directory/guidelines)。 4. 點擊 **"允許"** 將 Rememberizer Slack 應用安裝到您的工作區。一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Slack 工作區已連接，並且側邊面板彈出。
A COMPANY 已被添加為知識來源

A-COMPANY 已被添加為知識來源

5. 現在您已連接，您需要指定我們的產品應該從哪些頻道獲取消息。從側邊面板中選擇您想要的文件或文件夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
選擇要嵌入為知識的頻道

選擇要嵌入為知識的頻道

6. 選擇頻道後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。 ### 接下來該怎麼辦？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Box、Dropbox 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/manage-third-party-apps.md <== # 管理第三方應用程式 ## 探索第三方應用程式和服務 用戶可以在 **應用程式目錄** 頁面查看和探索所有與 Rememberizer 連接的第三方應用程式，具體步驟如下。 * 在導航欄上，選擇 **個人 > 尋找應用程式**。然後，您將看到應用程式目錄頁面。
導航欄瀏覽應用程式目錄頁面

導航欄瀏覽應用程式目錄頁面

應用程式目錄頁面

應用程式目錄頁面

* 找到您想要探索的應用程式。您可以通過在搜索欄中輸入應用程式的名稱來完成此操作，並可選擇 **篩選和排序順序**。
帶有篩選和排序按鈕的搜索欄

帶有篩選和排序按鈕的搜索欄

* 點擊 **第三方應用程式的名稱** 或 **探索按鈕** 以打開該應用程式。
應用程式的名稱和探索按鈕

應用程式的名稱和探索按鈕

* 使用應用程式時，將需要授權該應用程式與 Rememberizer 連接。流程的技術細節可以在 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 頁面查看。我們將以 **Rememberizer GPT 應用程式** 作為授權的 UI 流程示例。在第一次聊天後，您將看到應用程式要求您登錄 Rememberizer。
來自 Rememberizer GPT 應用程式的登錄請求

來自 Rememberizer GPT 應用程式的登錄請求

* 點擊 **登錄** 按鈕。您將被重定向到授權頁面。
授權頁面

授權頁面

* 您可以通過點擊 **更改** 按鈕來修改應用程式可以查看和使用的 Memento 和 Memory，然後選擇您想要的內容。 > **注意：** 有關 Memento 的詳細信息，請訪問 [mementos-filter-access.md](mementos-filter-access.md "mention") 頁面。 > **注意：** 有關 Memory 整合的詳細信息，請訪問 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 頁面。 * 點擊 **授權** 以完成該過程。然後，您將再次被重定向回應用程式，並可以正常與其聊天。 > **注意：** 如果您點擊 **取消** 按鈕，您將再次被重定向到應用程式登陸頁面，該應用程式將不會顯示在 **應用程式目錄** 頁面上，而是會顯示在 **您的連接應用程式** 頁面上。更多詳細信息，請訪問第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")，如果您想完全取消授權過程。
成功連接帳戶

成功連接帳戶

## 管理您的連接應用程式 在 **應用程式目錄** 頁面上，選擇 **您的連接應用程式** 以瀏覽該頁面。
browse your connected app
您的連接應用程式頁面

您的連接應用程式頁面

此頁面根據應用程式的狀態將其分類為兩種類型：**待處理應用程式** 和 **已連接應用程式**。 * **待處理應用程式**：這些是您在 Rememberizer 上授權應用程式時點擊 **取消** 按鈕的應用程式。 * 如果您想完成授權過程，請點擊 **繼續**。 * 否則，點擊 **取消** 以完全撤回授權。該應用程式將再次顯示在 **應用程式目錄** 頁面上。 * **已連接應用程式：** 您可以通過點擊更改選項（如果尚未選擇 Memento，則選擇）來配置特定連接應用程式的 **Memento** 或 **記憶整合**。如果您想將第三方應用程式從 Rememberizer 斷開連接，請點擊 **斷開連接**。 # Rememberizer 記憶集成 ### 介紹 Rememberizer Memory 允許第三方應用程式在使用者的 Rememberizer 帳戶中儲存和存取資料，提供了一種簡單的方式，讓有價值的信息能夠在多個使用者的應用程式中儲存和利用。 ### 優勢 #### 對於用戶 共享記憶體創建了一個單一的地方，所有用戶應用程式的關鍵結果和資訊都可以在一個位置獲得。對用戶的一些好處包括： * 簡易訪問：重要數據集中存儲，使用戶及其應用程式能夠輕鬆地在一個地方訪問來自多個應用程式的結果。 * 應用之間的同步：資訊可以在用戶的不同應用程式之間無縫共享和同步，無需用戶額外努力。 * 持久存儲：數據即使在個別應用程式被卸載後仍然可以訪問，與專屬應用的本地存儲不同。 #### 對應用程式開發者 共享記憶體為應用程式開發者提供了一種簡單的方式，可以訪問用戶其他連接應用程式中的數據： * 不需要後端：應用程式不需要開發自己的自定義後端系統來儲存和共享數據。 * 利用其他應用程式：應用程式可以基於用戶其他已安裝應用程式生成的公共數據進行構建和利用，豐富其自身功能。 * 應用程式間整合：應用程式開發者的不同應用程式之間可實現無縫整合和數據共享功能。 默認情況下，所有應用程式對共享記憶體具有只讀訪問權限，而每個應用程式僅能寫入其自己的記憶體空間。用戶可以根據需要自定義訪問權限。這在數據共享和用戶隱私與控制之間取得了平衡。 ### 配置你的記憶 #### 全域設定 全域設定允許用戶配置所有使用共享記憶體的應用程式的預設權限。這包括：
在知識頁面中配置記憶體

在知識頁面中配置記憶體

#### 應用程式的預設記憶體和數據訪問權限 * **讀取自己的/寫入自己的：** 應用程式僅被允許訪問和修改自己的記憶體數據。 * **讀取所有/寫入自己的：** 應用程式可以讀取所有應用程式的記憶體數據，但僅限於修改自己的記憶體數據。 * **禁用記憶體：** 預設情況下，應用程式無法訪問或存儲記憶體數據。 * **應用於所有選項：** 用戶可以將所有應用程式特定的權限設置恢復為全局設置中選擇的預設值。
memory settings panel
用戶可以使用 _**忘記你的記憶**_ 選項清除所有記憶體文件：
忘記記憶時的確認模態

忘記記憶時的確認模態

#### 應用程式設定 對於每個連接的應用程式，使用者可以自訂共享記憶體的權限。點擊 **"尋找應用程式"**，然後點擊 **"您的連接應用程式"** 或前往鏈接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 以查看您連接的應用程式列表。然後，點擊您想要自訂的應用程式的記憶體上的 **"變更"**：
在連接應用程式頁面中為每個應用程式配置記憶體

在連接應用程式頁面中為每個應用程式配置記憶體

#### 應用程式的記憶體訪問權限 * **讀取自己的/寫入自己的**：權限允許應用程式僅訪問和修改其自己的記憶體數據，防止其與其他應用程式的記憶體互動。 * **讀取所有/寫入自己的**：應用程式可以查看所有應用程式的記憶體數據，但僅限於修改其自己的記憶體數據。 * **禁用記憶體**：應用程式被禁止訪問或修改記憶體數據。 這使得用戶可以根據對特定應用程式的信任程度，對每個應用程式如何利用共享記憶體進行細緻的控制。單個應用程式的權限可以比全局默認設置更為嚴格。 全局設置和應用程式設置共同為用戶提供了強大而易於使用的控制，讓他們能夠管理其數據如何通過共享記憶體進行共享。 ### 與記憶功能整合 #### API 端點 Rememberizer 提供一個 API 端點 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 讓 GPT 應用程式可以呼叫以記住內容。 注意：此 API 僅適用於具有 [OAuth2 認證的第三方應用程式](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 金鑰](../developer/registering-and-using-api-keys.md)）。 #### 記住你的知識 在授權 Rememberizer 後，第三方應用程序可以記住它的寶貴知識。 在這裡，我們將演示使用 Rememberizer GPT 應用程序的過程。 * 在使用 Rememberizer GPT 應用程序後，用戶想要記住第三點「零成本抽象」。
與 Rememberizer GPT 應用程序互動

與 Rememberizer GPT 應用程序互動

* 要使用 Rememberizer 應用程序的記憶功能，用戶必須首先授權該應用程序訪問你的項目。使用 **memorize** 命令告訴應用程序需要存儲的知識。
登錄以授權 Rememberizer

登錄以授權 Rememberizer

* 用戶可以在這裡配置記憶選項，默認值基於全局配置
授權屏幕

授權屏幕

Rememberizer 現在成功記住了知識。
successful memorize knowledge
* 在 Rememberizer 中，用戶可以在 **嵌入知識詳情** 頁面查看最近的內容。
embedded knowledge detail
使用 **Talk to Slack** 應用程序，用戶可以無縫地應用並繼續使用他們已經記住的數據。例如，記住的信息可以輕鬆查詢和檢索
在另一個應用程序中回憶記憶數據

在另一個應用程序中回憶記憶數據

### 使用 Memento 的記憶數據 * 利用記憶數據的另一種方法是創建 **Memento** 並將記憶精煉到其中。請訪問 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分以獲取有關創建指導的更多信息。 * Rememberizer 將內容保存到文件中，並且用戶可以選擇任何應用程序將其內容精煉為 **Memento**。 > 注意：在舊版本中，Rememberizer 將內容保存到文件中並按日期合併到文件夾中。
memory memento feature
使用 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用戶即使在記憶應用配置關閉的情況下也可以利用記憶數據。 ### 在 Rememberizer 中搜索記憶文檔 您也可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好地，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南將指導您將 Dropbox 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Dropbox 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Dropbox。
Dropbox，準備好作為知識來源連接

Dropbox，準備好作為知識來源連接

3. 點擊 **"允許"** 以將 Rememberizer Dropbox 應用安裝到您的帳戶。
dropbox oauth
4. 一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Dropbox 帳戶已連接，並且側邊面板會彈出。
dropbox auth redirect
5. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊面板中選擇您想要的文件或資料夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
dropbox choose knowledge
7. 選擇您的文件和資料夾後，點擊 **"添加"**，我們的系統將開始嵌入。根據數據量，這個過程可能需要幾分鐘的時間。 ### 連接到另一個Dropbox帳戶 如果您斷開Dropbox知識，然後重新連接，Dropbox可能會自動連接到您之前的Dropbox帳戶，完全跳過授權畫面。 如果您想使用不同的Dropbox帳戶連接： 1. 請前往Dropbox網站並使用您之前的帳戶憑證登入。 2. 登入後，請點擊右上角的個人資料照片。 3. 從下拉選單中選擇「設定」。 4. 在設定選單中，選擇「已連接的應用」標籤頁。 5. 在已連接的應用清單中，找到Rememberizer應用，並點擊其旁的「斷開連接」。 6. 登出您之前的Dropbox帳戶。 7. 現在，當您嘗試再次將Dropbox連接到Rememberizer應用時，將會提示您授權新的Dropbox帳戶。 ### 接下來該怎麼做？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Slack 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南將指導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Google Drive 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能看到所有可用的知識來源，包括 Google Drive。
drive personal knowledge
3. 點擊 Google Drive 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Google Drive。選擇您的 Google Drive 帳戶。
drive oauth step 1
4. 通過點擊 **"繼續"** 來批准應用程式。
drive oauth step 2
5. 通過點擊 **"繼續"** 來允許 Rememberizer **查看和下載您所有的 Google Drive 文件**。
drive oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Drive 帳戶已連接，並且側邊欄會彈出。
drive auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊欄中選擇您想要的文件或資料夾。如果側邊欄未出現，請點擊 **"選擇"** 按鈕以打開側邊欄。
drive choose knowledge
8. 選擇文件後，點擊 **"添加"** 以開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，允許將您的 Google Drive 數據與您特別批准的第三方應用程式共享。
drive choose knowledge checkbox
9. 在選擇您的文件和資料夾後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。
drive indexing
### Google Drive 整合的限制 * 雖然 Rememberizer 的 Google Drive 整合允許您訪問和嵌入各種文件和資料夾，但目前無法訪問或嵌入來自「電腦」部分的文件，因為這部分是用於備份您電腦上的文件，受 Google 設定的限制。 * 如果您需要嵌入來自本地電腦的文件，我們建議使用我們的 Rememberizer Agent 桌面應用程序。要了解有關 Rememberizer Agent 的更多信息以及如何安裝和使用它，請參閱我們的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/README.md <== # 個人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以發佈主題或問題，Rememberizer 將提供一個文件列表並提取概念上相似的部分。 --- # 搜尋你的知識 ## 在 Rememberizer 中搜尋 * 在導航欄中，選擇 **個人 > 搜尋您的知識**。然後您將看到 Rememberizer 的搜尋頁面。
navbar search rememberizer (1)
search rememberizer page
* 輸入您想要搜尋的問題或主題，然後選擇您想要限制應用程式訪問的紀念品，並點擊 Rememberizer 按鈕（或按 Enter 鍵）。搜尋過程可能需要幾分鐘，具體取決於紀念品中的數據量。
在 Rememberizer 中搜尋的紀念品過濾

在 Rememberizer 中搜尋的紀念品過濾

* 最終，您將看到與您所需問題或主題相匹配的文件列表。您可以點擊文件，將顯示與您的問題或主題相關的匹配文本片段。
搜尋結果的示例

搜尋結果的示例

==> personal/rememberizer-app.md <== # Rememberizer App ### 介紹 Rememberizer App 是一款 MacOS 桌面應用程式，將您的本地檔案轉換為向量嵌入，並將其作為數據來源上傳到您的 Rememberizer 知識庫。該應用程式使其他 LLM 能夠通過 Rememberizer 的 API 查詢您的嵌入，以根據您本地檔案的內容生成答案。 ### 優點。 * **數據利用：** 應用程序幫助您以有意義且高效的方式利用本地文件。它從您的文件中提取有價值的數據，並使其可用於機器學習過程。 * **易於使用：** 應用程序具有用戶友好的界面，安裝和使用都很簡單。它負責進行文件轉換和數據上傳的繁重工作，因此您不必費心。 * **集成：** Rememberizer App 可無縫地與其他 LLMs 集成。這使得它們可以通過 Rememberizer 的 API 查詢您的嵌入，以根據本地文件的內容生成答案。 ### 安裝。 1. 從[這裡提供的連結](rememberizer-app.md#download-links)下載一個版本的 Rememberizer App。 2. 下載完成後，在下載資料夾中找到 .dmg 文件並雙擊它。 3. 當新窗口打開時，將 Rememberizer App 拖入您的應用程式資料夾。 4. 前往您的應用程式資料夾，然後點擊 Rememberizer App 打開它。 ### 如何使用。 1. **登入：** 要使用 Rememberizer 應用程式，您需要使用您的 Rememberizer 帳戶登入。如果您沒有 Rememberizer 帳戶，您需要創建一個。
rememberizer app sign in
rememberizer app success auth
2. **將資料夾添加到資料來源：** 登入後，Rememberizer 應用程式將開始在背景運行。您可以通過點擊位於狀態欄的小圖標來訪問它，如下所示。首次使用時，您需要將資料夾添加到資料來源。這使 Rememberizer 應用程式能夠將這些資料夾中的文件轉換為向量嵌入並上傳到您的 Rememberizer 知識中。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上傳：** 該軟體將無縫地將這些向量嵌入整合到您的 Rememberizer 知識資料庫中。通過 Rememberizer 狀態標籤跟踪上傳過程。
rememberizer app status
### 下載連結。 * Rememberizer App 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [版本說明](rememberizer-app.md#version-1.3.1-july-25-2024)。 請注意，建議始終使用最新版本的軟體，以便利用所有最新的功能和改進。 Rememberizer App 的設計旨在使將本地文件轉換為向量嵌入的過程盡可能無縫。享受以更具生產力的方式使用您的數據！ ### 發布說明。 ### 版本 1.6.1 (2024年10月4日) #### 功能與改進 * **支持空文件夾**：用戶現在可以將空文件夾添加為數據來源。 * **小幅改進**：用戶界面和性能的增強。 * **GPU支持和性能改進**：新增對GPU加速的支持，以提高處理速度。 * **增強的嵌入程序**：配置支持PyTorch的MPS版本，優化特定機器的構建。 * **智能CPU檢測**：實施CPU類型檢測，以確保使用最合適的嵌入程序版本。 * **改進的數據源管理**：利用批量刪除API高效刪除已移除數據源中的文件。 * **支持所有純文本文件**：啟用處理各種純文本文件類型。 * **遵循Gitignore規則**：現在忽略Git存儲庫中gitignore規則的文件將被排除在處理之外。 ==> personal/common-knowledge.md <== --- description: >- 通過添加AI訪問我們和其他人的預索引數據來增強您的知識或快速入門。 --- # 常識 ## 什麼是共同知識 在 Rememberizer 中，註冊用戶 **(出版者)** 可以通過備忘錄選擇他們上傳的文件，並將其公開分享為共同知識。其他用戶 **(訂閱者)** 可以訪問這些公共知識並將其添加到自己的資源中。 通過貢獻他們的數據，其他用戶可以共同增強共同知識頁面上的可用信息。這種協作方式使所有用戶都能訪問更豐富的數據來源，從而提高他們的 AI 應用程序的學習能力。 ## 添加公共常識 為了將常識訂閱到您的資源，請按照以下說明操作 * 在導航欄上，選擇 **個人 > 常識**。然後，您將看到公共常識頁面。
navbar browse ck
public ck page
* 然後，尋找您想要訂閱的常識。您可以通過在搜索欄中輸入知識的名稱來查找知識。您可以選擇性地選擇搜索欄旁邊的過濾選項。
搜索欄的過濾器

搜索欄的過濾器

搜索結果示例

搜索結果示例

* 然後點擊公共常識上的 **添加** 按鈕。訂閱成功後，您將看到 **添加** 按鈕變為 **移除** 按鈕。
未添加的常識

未添加的常識

已添加的常識

已添加的常識

* 之後，如果您想要移除已訂閱的知識，請點擊 **移除** 按鈕。 ## 創建共同知識 有關創建和共享共同知識的詳細說明，請訪問此頁面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每個應用集成的 Memento 來限制其對您的知識的訪問 --- # Mementos 過濾器訪問 ### 什麼是備忘錄，為什麼它們存在？ Rememberizer 的一個主要目的是以受控的方式與第三方應用程序共享您數據的高度相關摘錄。這是通過將單個 **備忘錄** 應用於每個與 Rememberizer 集成的應用程序來實現的，您也選擇授權這些應用程序訪問您在 Rememberizer 中的數據。 目前的備忘錄實現允許用戶選擇特定的文件、文檔或內容組，例如可以被該應用程序使用的文件夾或頻道。後續的實現將增加其他過濾第三方訪問的方式，例如“在過去 30 天內創建”的時間範圍。\ \ 兩個默認值是“無”和“全部”。全部共享用戶允許 Rememberizer 訪問的每個文件。無則不與相關應用共享任何內容。選擇無允許用戶選擇一個應用並將其與 Rememberizer 集成，而無需當場決定要提供哪些內容。選擇一個無的備忘錄或編輯現有的應用備忘錄以共享無是一種關閉應用訪問用戶數據的方式，而無需刪除集成。這就像是您數據的關閉開關。自定義備忘錄可以專門製作，並具有反映其用途的名稱，例如“作業”或“市場營銷”。 ### 如何創建 Mementos？ 本指南將指導您創建 Mementos 的過程 1. 在標籤中導航至 **個人 > Memento: 限制訪問**，或訪問 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您應該會在螢幕左側看到所有 Mementos
memento page
2. 點擊 **創建新的 memento**。然後填寫您自定義 memento 的名稱，並點擊 **創建**。之後，您應該會看到您的 memento 被添加，並且可以在您的 memento 中包含數據來源的列表。
create memento
memento detail
3. 點擊您想要精煉的數據來源上的 **精煉**，側邊面板將彈出。然後選擇添加文件夾或文件，並點擊 **精煉** 將這些數據來源添加到 Memento。
memento refine knowledge
4. 此外，對於常見的知識來源，您可以點擊 **添加** 將知識包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允許用戶有效地管理來自各種來源的存儲文件。此部分將向您展示如何訪問、搜索、過濾和管理您上傳的文件在知識中 --- # 管理您的嵌入式知識 ## 瀏覽嵌入知識詳細頁面 在導航欄上，選擇 **個人 > 你的知識**。找到 "你的知識" 區域右側的 **查看詳細資訊** 按鈕並點擊它。然後，你將看到 **嵌入知識詳細** 頁面。
你的知識區域和 <strong>查看詳細資訊</strong> 按鈕

你的知識區域和 查看詳細資訊 按鈕

嵌入知識詳細頁面

嵌入知識詳細頁面

知識文件詳細信息的表格包括以下屬性： * **文件：** 文件或 Slack 頻道的名稱。 * **來源：** 文件上傳的資源（Drive、Mail、Slack、Dropbox 和 Rememberizer App）。 * **目錄：** 文件在來源中的位置。 * **狀態：** 文件的狀態（索引中、已索引或錯誤）。 * **大小：** 文件的大小。 * **索引於：** 文件被索引的日期。 * **操作：** 刪除文件的按鈕。對於狀態為錯誤的文件，垃圾桶圖標（刪除按鈕）旁邊還會有一個重試圖標。 ## 詳細頁面的特點 ### 搜尋和篩選檔案 使用者可以透過 **搜尋欄** 以名稱搜尋文件。在欄位中輸入名稱，然後按 Enter 以獲取結果。
搜尋結果

搜尋結果

您也可以選擇 **狀態篩選器** 和 **來源篩選器**。這將通過縮小搜尋條件快速定位特定文件。
來源篩選器

來源篩選器

狀態篩選器

狀態篩選器

### 刪除上傳的檔案 找到您想要刪除的檔案（如有需要可進行搜尋）。然後點擊**操作**欄中的**垃圾桶圖示**。
帶有刪除圖示的檔案

帶有刪除圖示的檔案

將彈出一個對話框以確認刪除。點擊**確認**，然後您將看到檔案已被刪除。
刪除確認對話框

刪除確認對話框

### 重試索引錯誤檔案 使用者可以重試嵌入那些 Rememberizer 無法索引的檔案。要重試索引特定檔案，只需點擊 **操作** 欄中刪除按鈕旁邊的重試按鈕。
特定錯誤檔案的重試按鈕

特定錯誤檔案的重試按鈕

如果使用者想要重試索引所有錯誤檔案，請點擊 **操作** 欄標籤旁邊的重試按鈕。
所有錯誤檔案的重試按鈕

所有錯誤檔案的重試按鈕

以下是從 Gmail 整合成功重試索引錯誤檔案後的圖片。
成功重試索引錯誤檔案

成功重試索引錯誤檔案

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南將引導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Gmail 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Gmail。
gmail personal knowledge
3. 點擊 Gmail 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Gmail。選擇您的 Gmail 帳戶。
gmail oauth step 1
4. 通過點擊 "**繼續"** 來批准應用程式。
gmail oauth step 2
5. 通過點擊 **"繼續"** 來授予 Rememberizer **權限** 訪問您的 Gmail。
gmail oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Gmail 已連接。
gmail auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些電子郵件標籤。點擊 **"選擇"** 按鈕，並從側邊面板中選擇您想要的電子郵件標籤。所有屬於所選標籤的電子郵件將被嵌入。
gmail choose knowledge
8. 選擇標籤後，點擊 **"添加"** 開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，將您的 Gmail 數據與您特別批准的第三方應用程式共享。
gmail choose knowledge checkbox
9. 一旦您選擇了標籤，我們的系統將開始嵌入電子郵件和附件。這個過程可能需要幾分鐘，具體取決於數據的量。
gmail indexing
### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用條款 ### 1. 簡介 本文件概述了 Skydeck AI Inc 旗下的Rememberizer服務 (「Rememberizer」) 的使用條款 (「條款」)，包括提供給用戶在 *.rememberizer.ai 上的自定義或一般可用域名中的所有頁面，以及鏈接到這些條款的任何其他頁面 (「網站」)。這些條款構成了您作為用戶和 Skydeck AI Inc 作為該平台提供者之間的具有約束力的法律協議。通過訪問或使用此平台，您確認同意遵守這些條款。 ### 2. 接受條款 通過訪問或使用網站的任何部分，您確認您至少已經18歲，已閱讀並理解這些使用條款和Rememberizer隱私權政策（該政策已被列為這些條款的參考），並同意受其法律約束。 在這些條款中，“我們”、“我們的”指的是Rememberizer，而“您”既指您作為個人，也指您代表的任何實體。通過使用我們的平臺，您確認您可以代表任何該等實體接受這些條款，從而使其受到這些條款的約束。 ### 3. 聯絡資訊 您跟SkyDeck AI Inc. 簽訂合約的對象。我們的郵寄地址和聯繫方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 舊金山, CA 94104\ 電話：1.415.744.1557\ 有關法律查詢：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ## 4. 授權和專有權利 根據您全面遵守這些條款，以及平台上發布的任何其他政策或限制，與你跟Rememberizer達成的任何費用的及時支付，我们授予您有限的，非獨家的，不可轉讓的，可撤銷的許可權，可以訪問和使用平台。 除非另有說明，所有通過平台提供的內容（包括但不限於軟件、提交覆核、資訊、使用者介面、圖形、商標、標誌、圖像、藝術品、視頻、文件、以及平台的整體"外觀和感覺") 均由Rememberizer擁有、控制、或獲得許可。該內容受到各種法律的保護，包括營業風格、版權、專利和商標法，以及其他知識產權和不公平競爭法。Rememberizer保留該內容的所有權利。 您的內容仍然是您的唯一財產。您向我們提供了非獨家的、可撤銷的許可證，允許我們為了提供服務而使用您的內容。 未經授權的重製、再分配、使用或利用平台的任何部分，按照法律明確禁止，可能導致民事或刑事懲罰 ### 5. 帳戶責任 如果您在該平台上開啟帳戶，您將負責維護您的帳戶信息的機密性，並負責您帳戶下的所有活動。通過接受這些條款並創建帳戶，您同意我們按照隱私政策中的描述收集、使用和披露您的信息。18 歲以下的人不得在 Rememberizer 或該平台上註冊帳戶或提供任何個人信息。如果您的帳戶被未經授權的使用，立即通知 Rememberizer。由於未經授權的使用可能會導致損失，您可能需負責賠償。除非獲得 Rememberizer 的預先批准，否則不得使用他人的帳戶。在禁止的地方，帳戶註冊是無效的。 ### 6. 使用者權利與責任 身為使用者，您有權為您的合法業務目的使用我們的AI工具。您有責任不濫用或濫用工具，不侵犯他人權利，也不違反任何法律。您在使用平台時，必須遵守所有適用的法律和規定。 ### 7. 供應商權利和責任 我們，Rememberizer.，保留監控使用情況、執行這些條款以及根據需要更新平台和其條款的權利。我們有責任提供可靠的服務，尊重用戶的隱私，並對任何問題或問題做出回應。 ### 8. 內容規則 由我們的 AI 工具產生的內容由您，用戶所擁有，遵守這些條款中指定的任何限制或條件。內容不應用於非法或不當的目的。 ### 9. 濫用及違反 違反或濫用這些條款可能會導致懲罰，包括但不限於，暫停或終止訪問平台的權限，法律行動，和/或賠償。 ### 10. 免責聲明 您同意，您使用平台（包括任何內容）的風險由您自行承擔。該平台和內容是按“原樣”和“可用”的基礎提供的。Rememberizer並不提供任何明示或暗示的保證，並免除所有可能的保證，包括但不限於適銷性，適用於特定目的，所有權和非侵權的默示保證。Rememberizer並不保證該平台或內容是準確的，持續可用的，完整的，可靠的，安全的，最新的，無錯誤的，或者免於病毒或其他有害組件的。 ### 11. 賠償 您同意賠償、辯護並保護無憾，為其董事、股東、繼承人、員工、代理、子公司和分公司，免受任何實際或威脅的第三方要求、要求、損失、損害、成本、責任、訴訟和費用（包括合理的律師費及專家費用及調查費用）的任何責任，符合法律規定的最大範圍。這包括源於或與您使用平台、您違反這些條款、您違反任何法律或法規、您侵犯任何第三方權利，或您披露、索取或使用任何個人信息，無論您是否知道或同意。無憾保留獨家辯護和控制任何由您負責賠償的事宜的權利，您同意與無憾的辯護合作。在未事先獲得無憾的書面同意的情況下，您不得同意任何影響無憾的和解。 ### 12. 暫停或終止使用權限 Rememberizer 保留隨時暫停或終止您對其平台全部或部分的存取權，無論有無通知，無論理由為何的權利。這包括但不限於違反這些條款，法律執行機關或其他政府機構的要求，平台的取消或重大修改，或者出現意外的技術問題。Rememberizer 對於您被終止對平台的存取權不承擔任何責任。任何在這些條款下應自然延續超越您使用平台的權利和義務，都將在您的存取權被終止後生存下來。 ### 13. 責任限制 在法律允許的最大範圍內，您同意承擔因您訪問和使用平台以及內容所產生的全部風險。Rememberizer或其任何董事，員工，代理或供應商均不對因平台或任何內容、服務或產品而產生或與之相關的任何特殊的、間接的、附帶的、示例的、結果的或懲罰性的損害承擔責任。無論是基於本條款，還是因使用或無法使用平台，Rememberizer對您的總賠償責任不會超過一百美元（$100.00）。 ### 14. 糾紛解決 任何因本條款所產生或與之相關的糾紛、爭議或主張，包括其效力、無效、違反或終止，應依照美國仲裁協會的規則通過仲裁解決。仲裁地點應為加利福尼亞州的聖荷西，並應受加利福尼亞州法律的管轄。仲裁結果應對雙方均具有最終和有約束力的效果。 ### 15. 條款的更改 Rememberizer保留隨時變更這些條款的權利，並由我們自行決定。變動將通過適當的渠道向用戶溝通，例如電郵通知，網站橫幅，或應用程式內的訊息，並給予用戶合理的時間接受新的條款。 ### 16. 翻譯 為了方便您，我們提供此文件的機器翻譯版本，語言為英語以外的其他語言。在原始英語版本與其他語言版本之間出現衝突或矛盾時，將以英語版本為準，並具有優先權。依賴於此文件的非英語翻譯版本，您接受翻譯文本與您所同意的實際條款之間可能存在意外差異。 ==> notices/privacy-policy.md <== # 隱私政策 ## Rememberizer 隱私政策 SkyDeck AI Inc.（「Rememberizer」、「我們」、「我們的」或「我們」）尊重您的隱私，並承諾通過此政策來保護它。此政策描述了我們可能從您那裡收集的信息類型，或者您在使用 rememberizer.ai generative AI platform（我們的「服務」）時可能提供的信息，以及我們收集、使用、維護、保護和披露該信息的做法。 ### 我們收集的關於您的信息及收集方式 我們從服務的用戶那裡收集幾種類型的資訊，包括： * 個人信息，例如您的姓名、電子郵件地址和其他可以在網上或離線聯繫您的標識符。 * 技術數據，例如有關您的互聯網連接的信息、您用來訪問我們服務的設備以及使用詳情。 * 用來訪問您提供的第三方供應商生成的人工智能模型的 API 密鑰和憑證。 * 文檔內容（“知識”），包括整個文檔（如 Google Docs）、數據、討論（如 Slack 頻道的內容）。這些來自您選擇和決定與 Rememberizer 共享的數據源。 我們收集這些信息： * 直接從您那裡收集，當您授權訪問數據源時提供給我們的信息。 * 當您與 Rememberizer 集成的應用程序選擇將文本存儲在 Rememberizer 記憶中以供該應用程序或其他應用程序稍後使用時，直接收集。 * 當您在服務中瀏覽時，自動收集的資訊。自動收集的資訊可能包括使用詳情、IP 地址以及通過 cookies、網絡信標和其他追蹤技術收集的信息。 * 當您更改源數據時，自動更新最新版本以反映在我們的知識中。 * 我們確認從 Google Workspace API 檢索的任何用戶數據不會用於訓練任何人工智能/機器學習模型。這些數據僅對已提供明確同意的個別用戶可訪問，僅用於為您提供和改善我們的服務。 ## 我們如何使用您的信息 我們使用我們收集到的關於您的信息，或您提供給我們的任何個人信息： * 為您提供服務及其內容，以及您向我們請求的任何其他信息、產品或服務。 * 實現您提供信息的任何其他目的。 * 向您提供有關您帳戶的通知。 * 履行我們的義務並實施由您和我們之間訂立的任何合同所產生的權利。 * 通知您我們的服務或我們通過它提供或提供的任何產品或服務的變化。 * 改善我們的服務、產品或服務。 * 允許您參與我們服務上的互動功能。 * 知識文檔的文本組件以塊形式存儲並在向量數據存儲中進行索引，以便可以返回估計具有語義相關性的部分給您授權進行訪問的第三方應用程式 ## 第三方分享 Rememberizer的主要目的是以受控方式將您的數據的高度相關摘錄分享給第三方應用程式。這是通過將單一的 **Memento** 應用於與Rememberizer集成的每個應用程式，您也選擇授權它們訪問您在Rememberizer中的數據來實現的。 目前的Memento實現允許使用者選擇特定的文件、文檔或內容組，如文件夾或頻道，供該應用程式使用。後期的實現將為第三方訪問增加額外的過濾方式，如 "在最近30天內創建" 的時間範疇。\ \ 兩個默認值是 "無" 和 "全部"。全部分享使用者允許Rememberizer訪問的每個文件。無不與討論中的應用程式分享任何東西。選擇無可以讓使用者選擇一個應用程式並將其與Rememberizer集成，而不必立即決定要提供哪些內容。選擇帶有無的Memento或編輯現有的應用Memento以分享無，是一種不必移除集成就可以關閉應用程式訪問使用者數據的方式。這就像您的數據的關閉開關。自定義Memento可以根據需要製作，並具有反映該目的的名稱，如 "作業" 或 "市場營銷"。 ## 揭露您的資訊 我們可以不受限制地披露有關我們用戶的匯總資訊，以及不會識別任何個人的資訊。我們可能會按照此隱私政策所述揭露我們收集或您提供的個人資訊： * 給需要訪問此類資訊以完成工作的第三方供應商、服務提供商、承包商或代理人。 * 為了實現您提供信息的目的。任何我們在您提供信息時揭露的其他目的。 * 經過您的同意 ### 您的權利 您在適用的數據保護法律下擁有一定的權利。其中可能包括以下權利： * 要求查詢您的個人數據。 * 要求我們更正我們持有的關於您的個人數據。 * 要求刪除您的個人數據。 * 反對處理您的個人數據。 * 要求限制處理您的個人數據。 * 要求傳輸您的個人數據。 * 有權撤回同意。 ### 資料安全 我們已實施針對保護您的個人資訊免於意外丟失，並防止未經授權的訪問、使用、變更和洩露的措施。您提供給我們的所有資訊都將儲存在我們安全的、配有防火牆的伺服器上。所有的支付交易和API金鑰將採用SSL技術進行加密。 ### 我們的隱私政策的變更 我們的政策是會在此頁面上公布我們對隱私政策的任何修改。如果我們對處理用戶個人信息的方式進行重大更改，我們將通過在服務首頁上的通知通知您。 ### 聯絡資訊 如對本隱私政策及我們的隱私實踐有任何問題或意見，請聯絡我們： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 舊金山，加州 94104\ 電話：1.415.744.1557\ 電子郵件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此次更新增強了與 Dropbox、Google Drive 和 Slack 的整合，並 精煉了文件管理，以提供更流暢的用戶體驗。 --- # 2024年4月5日 ## 新功能 * **新增知識樹支持:** 擴展樹狀結構，以更好地與 Dropbox 和 Google Drive 整合，實現更直觀的文檔和文件夾管理。 * **Slack 回覆同步:** 添加了更有效地同步新 Slack 回覆的功能，幫助保持通信的無縫和更新。 ## 錯誤修正 * **常見知識頁面修正：** 修正了與搜尋、分頁和更新常見知識頁面上的日期時間格式相關的錯誤。 * **顯示舊帳戶的選定檔案修正：** 我們修正了一個問題，舊帳戶的選定檔案未正確顯示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本專注於改善用戶體驗、增強整合以及修正各種問題。主要更新包括 Gmail 同步和顯示目錄路徑。 --- # 2024年5月17日 ## 新功能 * **Gmail 整合與同步：** 連接您的 Gmail 帳戶，輕鬆在我們的平台上管理電子郵件。上週，我們推出了標籤特定的整合；本週，享受標籤內線程的全面同步，以實現無縫的訪問和管理。 ## 改進 * **顯示目錄路徑：** 應用程式現在顯示目錄路徑，使用者可以更輕鬆地導航和定位他們的文件。 * **更新圖表：** 應用程式的圖表已更新，以提供系統架構和數據流的更清晰視覺表現。 * **更改數據來源順序：** 數據來源的順序已優化，以提高數據檢索和處理的效率。 * **更新數據獲取邏輯：** 獲取數據的邏輯已增強，以提高檢索信息的準確性和可靠性。 ## 錯誤修正 * **修正刪除文件按鈕的使用者介面：** 嵌入詳細資訊中的刪除文件按鈕的使用者介面已被修正，以提供更好的使用者體驗。 ==> notices/releases/nov-22nd-2024.md <== --- description: >- 此版本專注於增強整合靈活性、擴展模型選擇選項，以及改善文件處理和加載的性能。 --- # 2024年11月22日 ### 新功能 - **每個整合的多個帳戶**：用戶現在可以為每個整合（Google Drive、Dropbox、Gmail 和 Slack）連接和管理多個帳戶，提供更大的靈活性。 - **嵌入選項中的 OpenAI 模型**：在創建或編輯向量存儲時，現在可以選擇 OpenAI 模型，提供更多嵌入模型的選擇。 - **可編輯的嵌入模型憑證**：用戶現在可以在編輯向量存儲時更新嵌入模型憑證，簡化模型管理。 ### 改進 - **平行文件處理**：文件現在以平行方式處理，提高了速度和效率。 - **改進的文件加載**：加載工作者的優化提高了文件加載時間。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本專注於提升性能和穩定性，對同步過程進行了重大改進，並修復了已知問題。 --- # 2024年10月4日 ### 改進 - **優化 Google Drive 瀏覽**：改善 Google Drive 知識樹的性能，以實現更快、更流暢的瀏覽。 - **增強同步效率**：通過精煉任務管理來優化文檔同步，以實現更快的更新。 ### 錯誤修正 - **解決斷開數據來源時崩潰的問題**：修復了一個問題，即在知識面板開啟時斷開數據來源會導致應用崩潰。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次發布專注於各種改進、新功能和錯誤修正，以增強用戶體驗和功能性。 --- # 2024年9月20日 ### 改進 - **增強數字格式**: 大數字現在用逗號顯示，以便更容易閱讀。 - **更新文檔處理**: 改進機制以高效管理和索引文檔，即使在更大的文件夾中。 - **優化 Slack 和文檔處理**: 增強 API 以重試所有失敗的文檔和 Slack 通道，確保操作更順暢。 ### 新功能 - **會員更新**：會員現在根據加載結果進行更新，以提供更準確的數據。 - **隨機文檔選擇**：引入了隨機選擇功能以用於嵌入和加載，從而多樣化文檔處理。 ### 錯誤修正 - **Dropbox 同步**：暫時禁用 Dropbox 同步以防止潛在的數據問題。 - **搜尋欄改善**：知識詳情頁面的搜尋欄現在根據 "file" 查詢參數自動填充，以便進行更精確的搜尋。 - **加載後重新索引集合**：增強了加載結果 API，以自動重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我們最新的版本專注於提升性能、改善可靠性，並通過各種優化和修正提供更好的用戶體驗。 --- # 2024年11月8日 ### 改進 - **更新的入門體驗**：增強了新用戶入門視覺，更新了 Gmail 整合，以便更順利的開始。 - **優化性能**：通過重新應用半精度向量來提高應用程序的速度和效率。 - **增強搜索能力**：改善索引以獲得更好的搜索結果和更快的信息檢索。 - **改善文檔處理可靠性**：增強了在嵌入任務中重試的處理，以提高文檔處理的可靠性。 ### 錯誤修正 - **修正文件同步錯誤**：解決了與文件同步和處理錯誤相關的問題，以提高應用程序的穩定性。 - **解決備忘錄訪問錯誤**：修正了備忘錄文件無法訪問的錯誤。 - **確保文件索引**：修正了一個阻止創建向量存儲表的問題，確保所有文件都被正確索引並可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改善了錯誤處理，增強了備忘錄側邊欄，並 精煉了測試。主要更新包括備忘錄大小顯示、更好的錯誤 回應和自動版本檢查。 --- # 2024年6月14日 ## 新功能 * **顯示備忘錄的大小：** 備忘錄的大小現在顯示在備忘錄側邊欄中，使用戶能更好地了解其存儲使用情況。 * **檢查最新版本：** 我們新增了一個功能，讓桌面應用程序能自動檢查並通知使用者最新版本的可用情況。 ## 錯誤修正 * **已刪除的回憶錄返回404：** 現在檢索已刪除的回憶錄或屬於其他用戶的回憶錄時，將返回404錯誤，而不是伺服器錯誤。 * **更新第三方應用的大小：** 修正了一個問題，第三方應用的記憶文件未能觸發回憶錄的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知識創建和顯示、回憶錄重命名等新功能。改進包括有關Dropbox、查詢結果和公共知識UI的關鍵錯誤修正。 --- # 2024年3月4日 ## 新功能 * **共享知識**：已實施創建和顯示共享知識的新功能。 * **回憶重命名**：用戶現在可以重命名他們的回憶。 ## 錯誤修正 * **Dropbox 檔案顯示**：解決了 Dropbox 中檔案顯示不正確的問題。 * **查詢結果順序**：修正了一個錯誤，該錯誤導致連續區塊的查詢結果返回無序結果。 * **常見知識 UI**：修正了常見知識功能的幾個 UI 問題。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本專注於增強搜索能力和改善文檔管理功能。 --- # 2024 年 8 月 16 日 ### 新功能 - **增強搜尋過濾器**：新增按寄件人和收件人過濾搜尋結果的功能，使尋找特定電子郵件變得更容易。 - **文件創建日期顯示**：現在在文件列表中顯示文件創建日期，以便更好地管理文件。 ### 改進 - **改善搜索可靠性**：對搜索功能的增強提供了更加順暢和可靠的體驗。 ### 錯誤修正 - **電子郵件整合修正**：解決了使用 GPT 時 Gmail 整合的問題，以確保順利運行。 - **桌面應用程式內容顯示修正**：修正了桌面應用程式中文件內容顯示的問題，以提供更好的用戶體驗。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此次更新帶來了新功能和改進，包括簡化的 Slack 整合、增強的文件以及更高效的用戶註冊流程。 我們還修復了一些錯誤。 --- # 2024年3月11日 ## 新功能 * **用戶Slack數據遷移：**現在可以遷移用戶Slack數據以容納Slack討論串和回覆，強化用戶互動。 * **常識整合：**已經在整合來源端點添加常識，擴大了我們系統的能力。 * **固定共享知識項目：**系統管理員現在可以將共享知識項目固定在列表的頂部，提高其可見性和可訪問性。 * **安全文檔操作：**系統不再會因為空文檔而失敗，提高了系統的可靠性。 * **管理共享知識：**用戶現在可以刪除和編輯他們的共享知識，對共享內容提供了更多的控制權。 ## 改進 * **Rememberizer UI更新：**基於Slack回覆的新格式，Rememberizer UI已進行更新。 ## 錯誤修正 * **在常識之間切換：** 修正了在精煉紀念品時切換常識時出現的問題。 * **不支持的文件可見性：** 修正了導致不支持的文件顯示的問題。 * **用戶文件列表：** 訂閱的文件將不再出現在用戶文件列表中。 * **紀念品大小估算：** 修正了紀念品估算大小的錯誤計算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本專注於改善我們的 Slack 整合，增強用戶界面，並解決關鍵問題，以提供更流暢的體驗。 --- # 2024年7月26日 **新功能：** * **Slack 頻道計數器**：一個新功能，準確計算並顯示 Slack 頻道的數量，幫助用戶更好地管理他們的工作區連接。 **改進：** * **更新的 Slack 整合 UI**：Slack 整合的用戶界面已經更新，以支持新的頻道機制，使其更加直觀和易於使用。 * **應用名稱更新**：桌面應用程序的名稱已更新為「Rememberizer」，反映我們幫助用戶組織和記住重要信息的承諾。 **錯誤修復：** * **Google Drive 整合**：解決了訪問 Google Drive 文件夾時出現錯誤的問題，確保更順暢的導航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此版本專注於增強 Dropbox 和 Google Drive 的同步性能和導航，為您提供更順暢和高效的體驗。 --- # 2024年9月27日 ### 改進 - **增強雲端同步**：優化了 Dropbox 和 Google Drive 的同步過程，使文件更新更快且更可靠。 - **改善 Dropbox 導覽**：精煉了 Dropbox 知識樹，以便更有效的文件組織和更輕鬆的訪問。 - **定期同步計劃**：設置 Google Drive、Dropbox 和 Gmail 的同步任務，每 6 小時執行一次，確保您的內容始終保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在這次版本中，我們對上傳的圖片大小限制為 1MB，並增強了選擇面板中的文檔顯示。我們還修復了一個與數據源斷開連接相關的錯誤。 --- # 2024年2月26日 ## 改進 * **圖像大小限制**：共享知識的裁剪圖像大小不得超過1MB。 * **文件顯示增強**：我們已經增加了在右側選擇面板的樹狀結構中可以顯示的文件數量，以提高用戶體驗。 ## 錯誤修正 * **數據源斷開連接**：修正了一個問題，即斷開數據源時未能適當刪除文檔並移除數據源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此版本專注於改善我們應用程序的整體性能、數據處理和 錯誤管理。用戶可以期待更穩健和 高效的體驗。 --- # 2024年8月2日 **新功能：** * **改進的搜索功能**：搜索功能現在運行並行內容檢索，提供更快和更準確的結果。 * **精煉的文檔通知系統**：用戶將收到更精確的文檔更新通知，增強協作和工作流程管理。 * **更新的API密鑰格式**：更新API密鑰前綴以提高安全性和便於識別。 **改進：** * **增強的數據管理**：系統現在更有效地處理空文檔，確保所有相關信息正確索引和加載。 * **優化的記憶體組織**：對記憶體側邊欄的改進提供了更清晰的文檔和文件夾視圖，使導航更直觀。 * **簡化的數據處理**：實施新的嵌入機制和向量數據庫適應，以更高效地處理和分析數據。 **錯誤修復：** * **電子郵件編碼兼容性**：當電子郵件字符集不正確時更新系統編碼格式，防止潛在的顯示問題。 * **Gmail標籤管理**：解決刪除Gmail標籤時的問題，確保電子郵件集成更順暢。 * **異常處理**：改進錯誤通知系統，以更好地管理和傳達系統異常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本專注於提高文檔索引的可靠性，並包括各種錯誤修復以增強您的體驗。 --- # 2024年10月25日 ### 新功能 - **索引失敗的自動重試**：實施了一個自動重試機制，以確保未能索引的文檔會被重試，增強數據一致性。 ### 錯誤修正 - **改進搜尋功能**：修正了一個問題，防止從連接到沒有記憶的 mementos 的應用程式進行搜尋。 - **系統穩定性增強**：解決了在同時任務期間重疊的資料庫連接，以改善性能。 - **Slack 同步調整**：暫時禁用空的 Slack 頻道的同步，以避免不必要的錯誤。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本專注於改善文件保存的可靠性。 --- # 2024年10月18日 ### 錯誤修正 - **增強文件保存穩定性**：改善文件保存過程，以防止在同時編輯期間出現潛在衝突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增強了文件同步，簡化了常見知識管理，並優化了用戶界面，提高了整體系統效率和用戶體驗。 --- # 2024年4月12日 ## 新功能 * **雲端儲存自動同步：** 使用者現在可以為 Dropbox 和 Google Drive 中選擇的資料夾和檔案設定自動同步，簡化文件管理流程。 ## 改進 * **優化文件排序：** 現在可以根據索引日期或名稱設置文件的順序，以便更直觀地導航和檢索。 * **回憶管理的 UI 更新：** 通用知識回憶的 UI 已經更新，包括一個新的共享設置切換，改善用戶對數據共享的控制。 * **UI 響應性和自訂：** 已實施小幅 UI 修正。 ## 錯誤修正 * **入門流程：** 解決了一個問題，即在用戶的入門步驟中未顯示常識，改善了新用戶的初始設置體驗。 ==> notices/releases/README.md <== --- description: 公共聲明、合規變更和用戶協助更新。 --- # 發布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次發布專注於提升用戶體驗、改善文檔管理，以及精煉 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack頻道整合**：增強了對Slack頻道的支持，改善了應用內的溝通與協作。 * **文件狀態過濾器**：在嵌入詳細頁面新增了一個文件狀態過濾器，使得追蹤和管理文件變得更加容易。 * **分層文件顯示**：在備忘錄側邊欄實現了一個新的樹狀視圖，將文件和文件夾分層組織，以改善導航。 * **進階搜索功能**：引入了日期範圍過濾器，允許更精確的文件檢索。 **改進** * **文件管理**：精煉了將文件鏈接到知識詳細頁面的過程，簡化了文件的組織和訪問。 * **用戶界面更新**：各種UI增強以改善整體應用的可用性和視覺吸引力。 * **性能優化**：重構了代碼並更新了API調用，以提升應用性能和響應速度。 **錯誤修復** * **空搜索查詢處理**：解決了空搜索查詢未被正確處理的問題，提高了搜索的可靠性。 * **電子郵件整合**：修復了與GPT互動時電子郵件來源處理的問題，確保與電子郵件服務的更順暢整合。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本對備忘錄樹進行了改進，提供了更好的排序功能，並修復了影響GPT應用API請求的錯誤。 --- # 2024年2月19日 ## 改善 * **Memento 樹中的字母順序排序**：為了增強導航功能，Memento 樹中的文件和 Slack 頻道現在按字母順序組織。 ## 錯誤修正 * **GPT 應用程式**: 我們修復了一個問題，該問題阻止了通過新設置的 GPT 應用程式發送 API 請求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次發布專注於通過改進的入門指導、紀念品管理和響應式 UI 來增強用戶體驗。主要更新包括移除圖像大小限制、顯示紀念品大小。 --- # 2024年3月18日 ## 新功能 * **建立新紀念品按鈕：**我們新增了一個建立紀念品的按鈕，使得在授權應用程式時，這一過程變得更友善並好操作。 * **圖像上傳器無大小限制：**用戶現在可以上傳任何尺寸的圖像，為文件設計提供更多靈活性。 * **常識大小顯示：**我們新增了顯示常識項目大小的功能，使存儲使用情況更透明。 ## 改進 * **Slack 頻道的索引時間：**現在，在檢查新消息時會更新索引時間，並將維持文件的 `INDEXED` 狀態，以提高文件搜索的效率。 * **更流暢的入門流程：**我們已經減少了入門流程中多餘的步驟，使其更快速且更高效。 * **常識資訊的響應式 UI：**我們已經優化了在 memento 頁面上的常識資訊的 UI，使其具有響應式，改進了在不同設備上的可讀性。 * **Memento 大小顯示：**現在，當授權一個應用程式時，將顯示 mementos 的大小，幫助使用者更好地理解他們授權的 mementos。 ## 錯誤修正 **用戶重新命名應用程式：** 現在正確處理用戶重新命名應用程式的情況，防止潛在的錯誤。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次發布。 --- # 2024年1月15日 ## 新功能 * **文件搜尋**：透過我們高效的搜尋功能輕鬆找到您的文件。 * **Google Drive 整合**：透過 Google Drive 無縫管理您的檔案。 * **開發者中心**：為開發者提供一個友好的空間，輕鬆註冊和配置他們的應用程式以整合 Rememberizer。 * **回憶管理**：輕鬆創建、列出和刪除您的回憶。 * **資料來源管理**：輕鬆連接和斷開您的資料來源。 * **簡易入門**：我們的入門狀態功能旨在為所有用戶和開發者提供順利的開始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在這次版本中，我們推出了一個公共的常識頁面，改善了回憶結構和入門 UI，並修正了應用授權計數的錯誤。 --- # 2024年2月12日 ## 新功能 * **公共常識頁面**：已實行新的公共常識頁面，以便更好地存取和分享資訊。 * **入職流程中的常識知識**：用戶現在可以直接從入職頁面增加常識知識。 * **紀念品的樹狀結構**：紀念品中的檔案現在以樹狀結構返回，以便更清晰地導航和查看。 ## 改進 * **入門步驟的使用者介面**: 入門步驟的使用者介面已進行調整，以改善使用者體驗。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本專注於提升性能、改善身份驗證，並提高整體可靠性，以提供更好的使用者體驗。 --- # 2024年11月1日 ### 改進 - **更快的搜索性能**：優化後端流程，以提供更快的文檔訪問。 - **增強的身份驗證系統**：升級身份驗證以提高安全性和可靠性。 - **改進的索引可靠性**：增強文檔索引的監控，以確保所有文檔均可搜索。 - **優化的系統性能**：實施後端優化，以提供更快和更高效的服務。 ### 新功能 - **自動數據源重新連接**：數據源現在會自動保持連接，確保您可以不間斷地訪問您的信息。 ### 錯誤修正 - **增強隱私控制**：修正了一個問題，防止未經授權的用戶在視圖中列出，改善了隱私。 - **解決應用授權問題**：修正了授權應用的重定向問題，以實現無縫訪問。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本專注於增強用戶身份驗證體驗，包括更順暢的登錄重定向和改善桌面應用支持。 --- # 2024年11月15日 ### 新功能 - **桌面應用程式認證**：用戶現在可以直接通過我們的桌面應用程式進行認證，以獲得更整合的體驗。 ### 改進 - **無縫登錄重定向**：未經身份驗證的用戶現在在登錄後會被重定向回他們的原始頁面，確保了不間斷的導航。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增強的用戶體驗，改進了文檔大小管理，更直觀的搜索界面，以及無縫的Dropbox集成。我們還解決了關鍵的錯誤。 --- # 2024年1月29日 ## 新功能 * **Dropbox 整合**：您現在可以直接在我們的平台上索引、重新索引、列出和提交 Dropbox 文件。 * **在入門步驟中的 Dropbox**：Dropbox 的整合現已成為入門步驟的一部分，從而易於設定。 ## 改進之處 * **文件大小限制**：我們將每個用戶的總文件大小限制為1GB，以確保優化性能。 * **改進搜索體驗**：搜索介面已進行優化，以提供更好的用戶體驗。 ## 錯誤修正 * 修正了處理空文件的問題，以實現更順暢的操作。 * 解決了處理 Slack 附件時的錯誤，以實現無縫整合。 * 正確地將「註冊」按鈕鏈接到「註冊」頁面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此次更新帶來了先進的備忘錄整合、改進的 Dropbox 和 Google Drive 同步功能，以及關鍵的錯誤修正，以提升用戶體驗和系統可靠性。 --- # 2024年4月26日 ## 新功能 * **公眾應用程序的搜尋功能：** 公眾應用程序頁面新增了一個搜尋功能，使用者可以更有效地找到應用程序。 ## 改進 * **連接應用的佈局更新：**「您的連接應用」頁面的佈局已更新，以提供更好的用戶體驗和導航。 * **常識卡片更新：** 在精煉備忘錄頁面中的常識卡片現在顯示大小而非文檔數量，提供更清晰的存儲使用資訊。 * **Dropbox 和 Google Drive 的自動同步功能增強：** Dropbox 和 Google Drive 的自動同步功能已增強，提供更流暢和更可靠的同步體驗。 * **公共應用頁面的分頁：** 我們在公共應用頁面實現了分頁，改善了導航和加載時間，以提供更好的用戶體驗。 * **更新備忘錄中的精煉按鈕以適用於常識卡片：** 在常識卡片的備忘錄中的精煉按鈕已更新，提高了可用性和清晰度。 ## 錯誤修正 * **子檔案索引問題：** 修正了一個錯誤，當第一次連接整合時，選定資料夾中的子檔案未正確索引，確保全面的檔案管理。 * **搜尋失敗的登出問題：** 解決了一個問題，當搜尋不存在的紀念品失敗時，強迫用戶登出，改善錯誤處理和用戶留存。 * **個人資料編輯驗證：** 解決了編輯個人資料頁面上的驗證問題，確保資訊被準確捕捉和處理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此版本專注於改善數據索引、使用追蹤、性能和用戶體驗的增強。 --- # 2024年9月13日 ### 改進 - **改進的使用追蹤**：新的邏輯提供了對您的存儲和使用限制的更準確監控。 - **增強的性能**：Memento 操作現在經過優化，以提高響應速度。 - **增強的錯誤顯示**：當文檔索引失敗時，知識頁面上的錯誤信息更加清晰，便於識別問題。 - **精簡的數據源連接**：數據源面板在連接後自動打開，簡化了設置過程。 - **改進的默認設置**：默認用戶設置已更新，以提高性能和準確性。 ### 新功能 - **批次文件刪除**：現在您可以一次刪除多個文件，簡化數據管理。 - **自動重新索引**：在需要時，收藏夾將自動重新索引，確保搜索結果是最新的。 ### 錯誤修正 - **修正索引錯誤**：解決了數據索引的問題，以提高搜索的可靠性。 - **減少通知垃圾郵件**：修正了一個導致與文檔成員資格相關的過多通知的問題。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我們新的向量數據庫服務，以便更有效地處理數據，並增強系統穩定性以及關鍵錯誤修正，以改善您的整體體驗。 --- # 2024年10月11日 ### 新功能 - **向量資料庫服務**：推出了一項新的向量資料庫服務，以便更有效地存儲數據和更快速地檢索信息。 ### 改進 - **增強系統穩定性**：改善後端流程以防止競爭條件，確保文檔處理更順暢。 - **優化連接管理**：實施更好的連接處理以提高性能和可靠性。 ### 錯誤修正 - **修正會員合併問題**：解決了在向量儲存中合併會員資料時出現錯誤的問題。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此版本帶來了對文件搜索、備忘錄組織和整合管理的令人興奮的改進。我們通過更流暢的導航和更高效的數據處理增強了用戶體驗。 --- # 2024年7月12日 ### 新功能 * **文件搜尋**：享受強大的新搜尋功能，讓您能迅速而輕鬆地在文件中找到所需資訊。 * **新回憶樹結構**：體驗一種全新的方式來組織您的回憶，通過我們直觀的樹結構，讓您更容易導航和管理資訊。 * **回憶自動同步**：透過我們的新回憶自動同步功能，輕鬆保持您的數據最新。 ### 改進 * **增強回憶體組織**：我們已經精煉了回憶體側邊欄，以提供更清晰的文件和資料夾視圖，使導航變得輕而易舉。 * **整合管理**：通過新的下拉功能，輕鬆過濾和管理您的整合，讓您對連接的服務有更多控制權。 * **更快的文件搜索**：我們的新防抖搜索功能在您輸入時提供更快、更靈敏的結果。 * **首頁和知識頁面更新**：我們已重新組織關鍵頁面上整合的布局，以改善可訪問性和用户體驗。 ### 錯誤修正 * **改善整合可靠性**：我們已增強系統以更好地處理來自連接服務的信息，確保在使用整合時提供更流暢的體驗。 * **更清晰的用戶界面**：我們已刪除知識頁面上不必要的警告信息，以獲得更簡潔的外觀。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增強了用戶檔案管理，改善了 Slack 和 Dropbox 的整合，引入了帳戶刪除功能，並解決了關鍵的操作問題。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您現在可以直接在我們的平台中取得Dropbox的共享文件/文件夾。 * **帳號刪除**：如有需要，用戶現在有選擇刪除他們的帳號。 * **Slack同步**：我們已開始與Slack進行同步，以實現更好的整合，儘管Slack線程同步尚未包括在內。 * **用戶資料**：用戶現在可以更有效地更新他們的資料信息。 ## 改進 * **Slack 頻道**：為了方便導航，現在已按名稱對 Slack 頻道進行排序。 ## 錯誤修正 * 解決了應用程式目錄中無效來源的問題。 * 解決了與 OpenAI GPT 相關的錯誤，以改善 API 呼叫。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此次更新增強了安全性，精煉了介面，並解決了關鍵錯誤， 包含新的 API 限制、更新的金鑰以及 MacOS 應用程式。 --- # 2024年4月19日 ## 新功能 * **MacOS 桌面應用程式：** 為 MacOS 用戶推出專用的桌面應用程式，增強可訪問性和用戶體驗。 \ 查看文件：[Rememberizer 桌面代理應用程式](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改進 * **應用程式目錄 UI 更新：** 應用程式目錄的新佈局提供了更直觀且用戶友好的導航體驗。 ## 錯誤修正 * **搜尋文件換行處理：** 修正了一個問題，該問題導致在搜尋文件查詢中換行符和回車符被不正確地移除。 * **搜尋 UI 顯示錯誤：** 修正了一個搜尋 UI 錯誤，以確保在搜尋結果中每個文件的 `建立於` 欄位準確顯示。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增強了導航，改善了文件處理，並更新了應用程式名稱。主要更新包括限制首頁應用程式、更好的 Slack 文件處理，以及重新命名桌面應用程式。 --- # 2024年6月28日 ## 改進 * **限制首頁應用程式數量：** 我們限制了首頁顯示的應用程式數量，以便用戶更容易導航並找到所需內容。 * **後處理 Slack 文件：** 增強了對 Slack 文件的處理，以確保更順暢和更準確的處理。 * **更新桌面應用程式名稱：** 桌面應用程式已更名為 "Rememberizer App"，以提高清晰度和品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本帶來了改進的同步、增強的數據加密和 多個錯誤修復，以提供更順暢的用戶體驗。 --- # 2024年3月25日 ## 改進 * **備忘錄增強：** 新增顯示額外備忘錄資訊的功能並顯示索引進度，使用戶更容易追蹤其資料的狀態。 ## 錯誤修正 * **UI 響應性：** 解決了多次點擊斷開連接按鈕的問題，以防止 UI 錯誤。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 整合，使用者可以連接他們的帳戶並選擇標籤以用於他們的知識庫，以及一個新的記憶功能以增強搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer 記憶體** 允許應用程式在用戶的 Rememberizer 帳戶中保存和共享數據，為來自多個應用程式的重要信息提供一個集中位置。\ \ **好處** * **對於用戶：** 輕鬆訪問來自所有應用程式的數據，應用程式之間無縫同步，即使卸載應用程式也能持久存儲。 * **對於開發者：** 不需要創建自定義的數據存儲系統，可以利用其他應用程式的數據，簡化跨應用整合。 記憶體文檔：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 記憶體 API 文檔：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 整合：** 用戶現在可以連接其 Gmail 帳戶並選擇特定標籤以添加到其知識庫中。 * **Google Drive 共享雲端硬碟支持：** 我們已經增加對 Google Drive 共享雲端硬碟的支持，允許用戶將共享雲端硬碟中的文檔包含到其知識庫中。 ## 改進 * **文件索引：** 我們增強了文件索引過程，確保新文件成功上傳和索引。若索引失敗，已實施重試機制。 * **應用程式發布流程：** 已從應用程式發布流程中移除審核步驟，簡化開發者的流程。 * **連接的應用程式 UI：** “您的連接應用程式” UI 已增強，以處理未連接任何應用程式的情況，改善用戶體驗。 ## 錯誤修正 * **重新命名應用程式：** 解決了重新命名應用程式時出現錯誤的問題。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如「探索應用程式」頁面和改進的文件管理，以及關鍵的優化和錯誤修正，以提供更流暢的使用者體驗。 --- # 2024年1月22日 ## 新功能 * **探索應用程序頁面**：您現在可以直接從專用頁面探查不同的應用程序。 * **配額控制**：現在提供可以在選擇文件時控制配額大小的新功能，從而保證更好的文件管理。 ## 改進 * **改善文件搜尋**：我們改進了搜尋功能以返回文件數，使管理和導航文件變得更簡單。 * **改善新手入門**：在新手入門步驟中添加了一個 '跳過' 按鈕，使新手入門過程更具靈活性。 ## 錯誤修正 * 解決了處理複雜 PDF 文件的問題，以提高可讀性和可訪問性。 * 解決了與 Slack 限速相關的問題，以確保無間斷的整合。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增強了 SQL 查詢，精煉了用戶界面，並修復了錯誤。主要更新：優化搜索、自動生成名稱、新的備忘按鈕，以及改進的導航。 --- # 2024年5月31日 ## 新功能 * **新紀念按鈕：** 我們新增了一個按鈕，可在授權應用程式時創建紀念品，讓過程更加人性化。 ## 改進 * **優化搜索:** 提升了搜索功能，使結果更快且更準確。 * **授權應用程式時調整介面:** 在授權應用程式時對用戶介面進行了微調，以提供更流暢的體驗。 ## 錯誤修正 * **修正縮排問題：** 修正了一個縮排問題，以確保應用程序中的格式一致性。 ==> notices/b2b/README.md <== --- description: 為Skydeck AI Inc互動的其他企業提供的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: Rememberizer 代理 --- # 關於 Reddit 代理 一個 Rememberizer 代理從選定的 Sub-Reddits 獲取 Reddit 內容，以便用戶和創作者可以查詢其內容及其他參與者的潛在語義意義，以便使用他們自己的 AI 工具以及那些通過 Rememberizer 授權的其他工具來與該內容互動。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 為什麼 Rememberizer 不僅僅是一個資料庫或關鍵字搜尋引擎。 --- # 什麼是向量嵌入和向量數據庫？ Rememberizer 使用向量嵌入在向量數據庫中啟用對用戶知識來源的語義相似性搜索。這是一種比通過搜索引擎或數據庫簡單查找內容中的關鍵字更為先進和細緻的信息檢索形式。
多維空間

多維空間

在其最先進的形式中（如 Rememberizer 所使用的），向量嵌入是由語言模型創建的，這些模型的架構類似於支撐 OpenAI 的 gpt 模型和 ChatGPT 服務的 AI LLM（大型語言模型），以及來自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服務。因此，使用向量嵌入來發現相關知識以納入 AI 模型提示的上下文是自然而然的。這些技術是互補的，並且在某種程度上是等價的。因此，大多數作為服務提供 LLM 的供應商也會提供作為服務的向量嵌入（例如：[來自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [來自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入看起來像什麼？考慮在二維中的一個坐標 (x,y)。如果它表示從原點到這一點的線，我們可以將其視為一條有方向的線，換句話說，是一個 _二維向量_。在我們的上下文中，向量嵌入將是一個類似於 768 個數字的列表，代表一個 768 維空間中的向量。最終，這個數字列表可以表示在 Transformer 模型中介於零和一之間的權重，這些權重定義了短語的意義，例如「一道突如其來的閃電」。這在根本上是 GPT-4 中使用的相同基本意義表示。因此，我們可以期待一個良好的向量嵌入能夠實現我們在現代 AI 語言模型中看到的同樣出色的表面理解。 \ 值得注意的是，向量嵌入不僅可以用來表示文本，還可以表示其他類型的數據，如圖像或聲音。通過適當訓練的模型，可以跨媒介進行比較，因此一段文本的向量嵌入可以與一幅圖像進行比較，或 _反之亦然_。今天，Rememberizer 使得在用戶文檔和知識的文本組件中進行搜索成為可能。但文本到圖像和圖像到文本的搜索在計劃中。\ \ Google 使用向量嵌入來驅動他們的文本搜索（文本到文本）以及他們的圖像搜索（文本到圖像）（[參考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考慮在其社交網絡搜索中使用嵌入（[參考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入來理解上下文，以便在正確的時間向正確的用戶提供正確的廣告（[參考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量數據庫的工作原理，請從 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 開始。Pinecone（作為服務的向量嵌入數據庫）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一個了解向量中的搜索和知識的好來源是 Meta/Facebook 的 FAISS 庫的論文和代碼。由 Johnson、Douze 和 Jégou（2017）撰寫的「FAISS：高效相似性搜索和密集向量聚類的庫」：FAISS 提供了一個設計用於高效相似性搜索和密集向量聚類的庫的綜合概述。它討論了在大規模向量數據庫中優化索引和搜索過程的方法，包括基於產品量化的方法。了解更多的最佳地方是文檔以及 [Github 上的代碼](https://github.com/facebookresearch/faiss)。 \ 務必考慮 2017 年 6 月的論文，這篇論文啟動了 genAI（生成性人工智能）革命，「注意力是你所需要的一切。」（[參考](https://arxiv.org/abs/1706.03762)），該論文介紹了 GPT 模型及其後續的所有 LLM 背後的 Transformer 架構，這些模型來自 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和許多其他開源項目。\ 還要考慮「近似最近鄰：消除維度詛咒的方向」（[參考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[參考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。這些論文討論了高維空間中近似最近鄰（ANN）搜索的理論，這是向量數據庫中高效檢索相似項目的核心概念。 {% hint style="info" %} 這些基於 Transformer 的模型的一個令人興奮的地方是，它們使用的數據越多，變得越大（參數越多），它們的理解和能力就越好。OpenAI 首次注意到這一點是在他們訓練 GPT-2 模型時。意識到這一潛力後，他們立即停止了作為開源導向的非營利組織，轉而成為一家專注於生產 GPT-3、GPT-4 及其著名前端 ChatGPT 的封閉源利潤公司。有趣的是，Google 擁有這項技術的專利——這是他們的研究人員開發了 Transformers 和「注意力是你所需要的一切」（[參考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 對我的描述有些不同，寫道：「關於 OpenAI 從開源導向的非營利組織轉變為封閉源利潤實體的敘述簡化了一個複雜的演變。OpenAI 的轉變包括專注於安全和負責任的 AI 開發以及商業化方面。值得注意的是，儘管 OpenAI 優先開發像 GPT-3 及以後的專有技術，但它仍然通過出版物和合作與研究社區保持互動。」 {% endhint %} BERT 語言模型基於 Transformers，通常用於先進的向量嵌入引擎。這在 2018 年的論文「BERT：用於語言理解的深度雙向 Transformers 的預訓練」（[參考](https://arxiv.org/abs/1810.04805)）中介紹。BERT（來自 Transformers 的雙向編碼器表示）標誌著向預訓練模型的重大轉變，這些模型可以針對各種 NLP 任務進行微調。其創新的雙向訓練和 Transformer 架構的使用為模型性能在眾多基準中設立了新標準。\ \ 早期創新的向量嵌入創建方法由 GloVe（2014，斯坦福）和 Word2Vec（2013，谷歌）提出。「GloVe：單詞表示的全局向量」（[參考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）論文提出了一種新的全局對數雙線性回歸模型，用於無監督學習單詞表示，結合了嵌入的兩種主要方法的優點：全局矩陣分解和局部上下文窗口方法。「在向量空間中高效估計單詞表示」（[參考](https://arxiv.org/abs/1301.3781)）：這篇論文介紹了 Word2Vec，這是一種開創性的生成單詞嵌入的方法。Word2Vec 模型，包括連續詞袋（CBOW）和 Skip-Gram 模型，對單詞嵌入的演變至關重要。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您將學習如何創建一個 Rememberizer 應用程序並與 OpenAI GPT 連接， 使 GPT 能夠訪問 Rememberizer API 的功能。 --- # 創建記憶化器 GPT ### 前提條件 首先，您需要[註冊一個 Rememberizer 應用程式](registering-rememberizer-apps.md)並使用適當的設置進行配置。 要創建一個 GPT，您需要將 Rememberizer 應用程式的授權請求來源設置為`https://chat.openai.com`。 > 您需要添加一個回調 URL 來註冊應用程式，但您只能在為您的 GPT 添加操作後找到回調 URL，暫時將其留作虛擬值（例如 https://chat.openai.com）。獲得回調 URL 後，您需要為應用程式更新正確的 URL。\ > \ > **注意：** GPT 在您更改其配置後會更新其回調 URL。請確保複製最新的回調 URL。 創建應用程式後，複製 **客戶端 ID** 和 **客戶端密鑰**。我們將在創建 GPT 時使用它們。關於如何獲取這些信息的指導可以訪問[授權 Rememberizer 應用程式](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 創建一個 GPT 您可以通過 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor) 開始。 {% hint style="warning" %} 注意：創建自定義 GPT 應用僅適用於付費計劃帳戶。 {% endhint %} #### GPT 配置 您可以根據自己的需要填寫信息。這裡有一個您可以嘗試的示例：
字段示例值
名稱RememberizerGPT
描述直接與您所有的 PDF、文檔、表格、幻燈片在 Google Drive 和 Slack 頻道上對話。
指示Rememberizer 設計為與 Rememberizer 工具無縫互動，使得用戶能夠高效地從多個來源（如 Google Drive 和 Slack）查詢他們的數據。主要目標是提供快速且準確的用戶數據訪問，利用 Rememberizer 的能力來優化搜索速度和精確度。GPT 應該指導用戶制定查詢並解釋結果，確保流暢且友好的使用體驗。在處理數據檢索和分析時，保持回答的清晰和精確至關重要。GPT 應能夠處理各種查詢，從簡單的數據查找到涉及多個參數或來源的更複雜搜索。重點是增強用戶快速有效訪問所需信息的能力，使過程盡可能輕鬆。
#### 創建 Rememberizer 動作 從 GPT 編輯器： 1. 選擇「配置」 2. 「添加動作」 3. 配置身份驗證類型。 * 將身份驗證類型設置為 **OAuth**。 * 從上述步驟中粘貼 **客戶端 ID** 和 **客戶端密鑰**。 * 授權 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 將 **範圍** 留空。 * 點擊 **保存**。
gpt auth type config
4. 填寫 Rememberizer 的 OpenAPI 規範。複製下面可展開的內容並粘貼到 **架構** 欄位：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 與 Rememberizer 互動的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 獲取當前用戶的帳戶詳細信息。 description: 獲取帳戶信息 operationId: account responses: "200": description: 用戶帳戶信息。 content: application/json: schema: type: object properties: id: type: integer description: 用戶的唯一標識符。請勿在任何地方顯示此信息。 email: type: string format: email description: 用戶的電子郵件地址。 name: type: string description: 用戶的名稱。 /integrations/: get: summary: 列出所有可用的數據源集成。 description: 此操作檢索可用的數據源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用數據源的列表 items: type: object properties: id: type: integer description: 數據源的唯一標識符。請勿在任何地方顯示此信息。 integration_type: type: string description: 數據源的類型。 integration_step: type: string description: 集成的步驟。 source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_type: type: string description: 文件的類型。 document_stats: type: object properties: status: type: object description: 數據源的狀態。 properties: indexed: type: integer description: 已編入索引的文檔數量。 indexing: type: integer description: 正在編入索引的文檔數量。 error: type: integer description: 有錯誤的文檔數量。 total_size: type: integer description: 數據源的總大小（以字節為單位）。 document_count: type: integer description: 數據源中的文檔數量。 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 /documents/: get: summary: 獲取所有文檔和 Slack 頻道的列表。 description: 使用此操作檢索有關所有可用文檔、文件、Slack 頻道和數據源中的常識的元數據。您應該指定 integration_type 或將其留空以列出所有內容。 operationId: documents_list parameters: - in: query name: page description: 頁面的索引 schema: type: integer - in: query name: page_size description: 每頁返回的最大文檔數量 schema: type: integer - in: query name: integration_type description: 按集成類型過濾文檔。 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: 文檔的總數量。 next: type: string nullable: true description: 下一頁結果的 URL。 previous: type: string nullable: true description: 前一頁結果的 URL。 results: type: array description: 文檔、Slack 頻道、常識等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文檔的唯一標識符。請勿在任何地方顯示此信息。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 id: type: integer description: 文檔的唯一標識符。 integration_type: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 source: type: string description: 文檔的來源。 status: type: string description: 文檔的狀態。 indexed_on: type: string format: date-time description: 文檔編入索引的日期和時間。 size: type: integer description: 文檔的大小（以字節為單位）。 /documents/search/: get: summary: 按語義相似性搜索文檔。 description: 使用最多 400 字的查詢文本啟動搜索操作，並從存儲的知識中接收最語義相似的響應。對於問答，將您的問題轉換為理想答案並提交以接收相似的真實答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到語義相似的知識片段的最多 400 字的句子。 schema: type: string - name: n in: query description: 要返回的語義相似文本片段的數量。使用 'n=3' 以獲取最多 5 個，使用 'n=10' 獲取更多信息。如果您沒有收到足夠的信息，請考慮使用更大的 'n' 值再次嘗試。 schema: type: integer responses: "200": description: 成功檢索文檔 content: application/json: schema: type: object properties: data: type: array description: 語義相似的知識片段列表 items: type: object properties: chunk_id: type: string description: 片段的唯一標識符。 document: type: object description: 文檔詳細信息。 properties: id: type: integer description: 文檔的唯一標識符。 document_id: type: string description: 文檔的唯一標識符。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 size: type: string description: 文檔的大小。 created_time: type: string description: 文檔創建的日期和時間。 modified_time: type: string description: 文檔最後修改的日期和時間。 integration: type: object description: 文檔的集成詳細信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 數據源的總大小（以字節為單位） document_count: type: integer matched_content: type: string description: 語義相似的內容。 distance: type: number description: 余弦相似度 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 nullable: true "400": description: 錯誤的請求 "401": description: 未授權 "404": description: 未找到 "500": description: 內部伺服器錯誤 /documents/{document_id}/contents/: get: summary: 通過 ID 獲取特定文檔內容。 operationId: document_get_content description: 返回具有指定 ID 的文檔的內容，以及最新檢索的片段的索引。每次調用最多提取 20 個片段。要獲取更多，請使用響應中的 end_chunk 值作為下一次調用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要檢索內容的文檔 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望檢索的起始片段。如果未指定，默認值為 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望檢索的結束片段。如果未指定，默認值為 start_chunk + 20。 responses: "200": description: 文檔內容和最新檢索片段的索引。 content: application/json: schema: type: object properties: content: type: string description: 文檔的內容。 end_chunk: type: integer description: 最新檢索片段的索引。 "404": description: 文檔未找到。 "500": description: 內部伺服器錯誤。 /common-knowledge/subscribed-list/: get: description: 此操作檢索用戶已訂閱的共享知識（也稱為常識）列表。每個共享知識包括用戶可以訪問的文檔 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: 這是共享知識的唯一標識符。請勿在任何地方顯示此信息。 num_of_subscribers: type: integer description: 這表示訂閱此共享知識的用戶數量 publisher_name: type: string published_by_me: type: boolean description: 這表示共享知識是否由當前用戶發布 subscribed_by_me: type: boolean description: 這表示共享知識是否由當前用戶訂閱，在此 API 中應為 true created: type: string description: 這是共享知識創建的時間 modified: type: string description: 這是共享知識最後修改的時間 name: type: string description: 這是共享知識的名稱 image_url: type: string description: 這是共享知識的圖像 URL description: type: string description: 這是共享知識的描述 memento: type: integer description: 這是 Rememberizer memento 的 ID，該共享知識是從中創建的。 document_ids: type: array items: type: integer description: 這是屬於共享知識的文檔 ID 列表 /documents/memorize/: post: description: 將內容存儲到數據庫中，稍後可以通過搜索端點訪問。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 內容成功存儲 "400": description: 錯誤的請求 "401": description: 未授權 "500": description: 內部伺服器錯誤 /discussions/{discussion_id}/contents/: get: summary: 通過 ID 獲取討論的內容。討論可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的討論的內容。討論可以是 Slack 或 Discord 聊天。響應包含 2 個字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而後者是討論的主題。 parameters: - in: path name: discussion_id required: true description: 要檢索內容的討論 ID。討論是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示討論的集成。目前，它只能是「slack」或「discord」。 - in: query name: from schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的起始時間。如果未指定，默認時間為現在。 - in: query name: to schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的結束時間。如果未指定，則為「from」參數之前的 7 天。 responses: "200": description: 在時間範圍內的主要和主題消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要討論的內容。 thread_contents: type: object description: 包含討論主題的字典列表，每個鍵表示主題的日期和時間（以 ISO 8601 格式表示），值是主題的消息。 "404": description: 討論未找到。 "500": description: 內部伺服器錯誤。 ||CODE_BLOCK||
5. 將此鏈接添加為隱私政策：`https://docs.rememberizer.ai/notices/privacy-policy`。 6. 創建動作後，複製回調 URL 並將其粘貼到您的 Rememberizer 應用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您將學習如何在 Rememberizer 中創建常識並獲取其 API 密鑰，以通過 API 調用連接和檢索其文檔。 --- # 註冊和使用 API 金鑰 ### 先決條件 首先，您需要擁有[一個備忘錄](../personal/mementos-filter-access.md)，該備忘錄是使用您的索引知識文件創建和精煉的。 ### 創建共通知識 要創建共通知識，請登入您的 Rememberizer 帳戶並訪問 [您的共通知識頁面](https://rememberizer.ai/personal/common-knowledge)。選擇 **"您的共享知識"**，然後點擊 **"開始"**。
common knowledge page
然後選擇您之前創建的其中一個紀念品，您也可以選擇 **"全部"** 或 **"無"**。
create common knowledge 1
最後填寫共通知識的名稱、描述並給它一張代表性的照片。
create common knowledge 2
填寫完表單後，點擊底部的 "分享知識" 來創建您的共通知識。之後，啟用您的知識中的 **"啟用共享"**，並在彈出窗口中點擊 **"確認"**。
common knowledge sharing
您現在已經準備好獲取其 API 金鑰並通過 API 調用訪問其文檔。 ### 獲取您創建的共通知識的 API 金鑰 對於您的共通知識，點擊右上角的三個點，然後選擇「API 金鑰」。如果尚未存在，將為您創建一個。如果 API 金鑰已存在，將返回該金鑰。
knowledge open API key
在 **「管理您的 API 金鑰」** 面板中，您可以點擊 **「眼睛」** 按鈕來顯示/隱藏，點擊 **「複製」** 按鈕將金鑰複製到剪貼板，並點擊 **「重新生成 API 金鑰」** 以使舊金鑰失效並創建一個新金鑰（通過 API 調用訪問您文件的應用程序在您更新新金鑰之前將無法訪問）。
copy api key
獲得 API 金鑰後，您可以在對 Rememberizer 的 API 調用中使用它來查詢您的索引文件和內容。 ### 使用 API 金鑰 要訪問 Rememberizer 端點，您需要在 API 請求的 `X-API-Key` 標頭中使用 API 金鑰。請查看 [API 文檔](api-documentations/) 以查看 Rememberizer 提供的端點。 您還可以在自定義 GPT 應用中使用 API 金鑰。首先 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor)。確保選擇身份驗證類型為「API 金鑰」，身份驗證類型為「自定義」，標頭為「X-Api-Key」，然後將您之前複製的金鑰粘貼到 API 金鑰文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帳戶下創建和註冊 Rememberizer 應用。Rememberizer 應用可以代表用戶行事。 --- # 註冊 Rememberizer 應用程式 1. 在任何頁面的左上角，點擊 **開發者**，然後點擊 **註冊的應用程式**。
registered apps browse
2. 點擊 **註冊新應用程式**。將會彈出一個窗口以填寫您的應用程式資訊。
register new app
3. 在 **"應用程式名稱"** 中，輸入您的應用程式名稱。 4. 在 **"描述（可選）"** 中，根據需要填寫您的應用程式描述。 5. 在 **"應用程式標誌（可選）"** 中，若有的話，上傳您的應用程式標誌。 6. 在 **"登陸頁面 URL"** 中，輸入您的登陸頁面的域名。您的登陸頁面包含了您的應用程式的詳細摘要，以及它如何與 Rememberizer 整合。 7. 在 **"授權請求來源"** 中，輸入您應用程式網站的域名。 8. 在 **"授權重定向 URL"** 中，輸入您應用程式的回調 URL。 9. 點擊 **"創建應用程式"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以將 Rememberizer 整合為 LangChain 檢索器，以為您的 LangChain 應用程式提供強大的向量數據庫搜索訪問。 --- # LangChain 整合 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 這個筆記本展示了如何從 `Rememberizer` 獲取文件，該文件格式在下游使用。 ## 準備 您需要一個 API 金鑰：您可以在創建共通知識後獲得一個。詳細的創建共通知識的說明可以參考 [註冊和使用 API 金鑰](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您擁有 API 金鑰，您必須將其設置為環境變數 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 時將其作為 `rememberizer_api_key` 傳遞。 `RememberizerRetriever` 有以下參數： \- 可選的 `top_k_results`：預設值=10。用於限制返回的文檔數量。 \- 可選的 `rememberizer_api_key`：如果您未設置環境變數 `REMEMBERIZER_API_KEY`，則為必需。 `get_relevant_documents()` 有一個參數 `query`：用於在 `Rememberizer.ai` 的共通知識中查找文檔的自由文本。 ## 範例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||CODE_BLOCK|| # 設定 API 金鑰 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="大型語言模型是如何運作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文件的元資訊 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '大型語言模型 (LLM) 是什麼？_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/大型語言模型 (LLM) 是什麼？_ _ 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]) # 文件的內容 ||CODE_BLOCK|| ||CODE_BLOCK|| 在某種程度上，它們「理解」語義，因為它們可以根據意義將單詞和概念聯繫起來，因為它們已經看過這些單詞和概念以這種方式成組出現了數百萬或數十億次。開發人員如何能夠快速開始構建自己的 LLM 以建立 LLM 應用程式，開發人員需要輕鬆訪問多個數據集，並且他們需要這些數據集的存放地 ||CODE_BLOCK|| ## 在鏈中使用 ||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 = [ "什麼是 RAG？", "大型語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"-> **問題**: {question} \n") print(f"**答案**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **問題**: 什麼是 RAG？ **答案**: RAG 代表檢索增強生成。這是一個 AI 框架，從外部知識庫檢索事實，以增強大型語言模型 (LLMs) 生成的回應，提供最新和準確的信息。這個框架幫助用戶理解 LLM 的生成過程，並確保模型可以訪問可靠的信息來源。 -> **問題**: 大型語言模型是如何工作的？ **答案**: 大型語言模型 (LLMs) 通過分析大量的語言數據集來理解和生成人類語言文本。它們基於機器學習，特別是深度學習，這涉及訓練程序在沒有人工干預的情況下識別數據的特徵。LLMs 使用神經網絡，特別是變壓器模型，來理解人類語言中的上下文，使它們在模糊或新上下文中更好地解釋語言。開發人員可以通過訪問多個數據集和使用 Cloudflare 的 Vectorize 和 Cloudflare Workers AI 平台快速開始構建自己的 LLM。 ||CODE_BLOCK|| ### 相關[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 檢索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 檢索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **請幫助我們提供對此文檔頁面的反饋：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 創建一個簡單的網頁應用程式，通過對 Rememberizer 的查詢將 LLM 與用戶知識集成是非常容易的。 --- # Talk-to-Slack 範例網頁應用程式 應用程式的源代碼可以在 [這裡](https://github.com/skydeckai/rememberizer) 找到。 在本節中，我們將提供逐步指導和完整的源代碼，以便您能夠快速創建自己的應用程式。 我們在 OpenAI 上創建了一個 Talk-to-Slack GPT。Talk-to-Slack 網頁應用程式非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 網頁應用程式

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 網頁應用程式

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 簡介 在這份指南中，我們提供了逐步的指導和完整的源碼，以幫助你創建你自己的應用程式，類似於我們與Rememberizer.ai的Talk-to-Slack GPT整合。與Slack整合不同的是，一個網路應用程式提供更多功能和控制，例如網路抓取、本地數據庫訪問、圖形與動畫，以及收集付款。此外，它可以被任何人使用，而不需要一個高級genAI帳戶。 ### 概述 我們的示例應用程式，與 Slack 對話，託管在 Heroku 上，並整合 OpenAI 的 LLM 與 Rememberizer.ai，以增強您的 Slack 體驗。該網路應用程式使用 Flask 建構並提供如 OAuth2 整合，Slack 數據訪問，和直觀的使用者介面等功能。 ### 功能 * **基於 Flask 的架構**：後端操作、前端通訊以及API交互均由 Flask 負責處理。 * **OAuth2 整合**：使用 Rememberizer 的 OAuth2 流程，以實現安全的授權和資料存取。 * **Slack 數據存取**：使用 Rememberizer 的API 安全地取得已連接的 Slack 用戶資料。 * **OpenAI LLM 整合**：使用 OpenAI 的 LLM 服務來處理查詢，以便得出有見地的回答。 * **直觀的用戶界面**：提供現代 UI 設計以便輕鬆導航和交互。 * **最佳實踐**：遵從安全與用戶體驗標準，以實現無縫整合。 ### 設定和部署 #### 前置條件 * Python * Flask {% hint style="info" %} 請注意，讓一個 LLM 將整個應用程式重寫成另一種語言（在我們的案例中是 Golang）並不是很困難。因此，請記住您並不僅限於使用 Python。 {% endhint %} #### 環境設定 設定這些環境變數： * `APP_SECRET_KEY`：Flask 的獨特秘密金鑰。 * `REMEMBERIZER_CLIENT_ID`：您的 Rememberizer 應用的客戶端 ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的 Rememberizer 應用的客戶端秘密。 * `OPENAI_API_KEY`：您的 OpenAI API 金鑰。 #### 運行應用程式 1. **啟動 Flask 應用程式**：在終端機中運行 `flask run`，並在 `http://localhost:5000` 訪問應用程式。 2. **將回調 URL 複製到您的 Rememberizer 應用程式配置中**：`https:///auth/rememberizer/callback` 例如：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到雲端 建議部署到像 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **創建 Heroku 帳戶**：安裝 Heroku CLI。 2. **準備您的應用程序**：確保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成進行部署。 **詳細步驟** * **將 Heroku 連接到 GitHub**：啟用來自 GitHub 存儲庫的自動部署，以便無縫更新。 * **手動部署**：可選擇使用手動部署以獲得更多控制。 **其他設置** * 安裝 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 證書：使用自簽名證書進行初始 HTTPS 設置。 * 在 Heroku 上配置環境變量：使用 `heroku config:set KEY=value` 設置必要的鍵。 **其他雲平台** * **GCP**：設置 GCP 帳戶，使用 `app.yaml` 準備您的應用，並使用 `gcloud app deploy` 進行部署。 * **AWS**：在設置 AWS 帳戶和 AWS CLI 後，使用 Elastic Beanstalk 進行部署。 * **Azure**：在創建 Azure 帳戶並安裝 Azure CLI 後，通過 Azure App Service 進行部署。 #### 安全性與最佳實踐 在部署之前，請驗證您的 `requirements.txt`，調整生產環境的配置，並更新 OAuth 重定向 URI。 ### 應用程式代碼註解 **@app.route('/') (索引路由):** 當訪問根 URL (/) 時，此路由渲染 index.html 模板。它作為您應用程式的首頁。 **@app.route('/auth/rememberizer') (Rememberizer 認證路由):** 此路由啟動與 Rememberizer.ai 的 OAuth2 認證過程。它生成一個隨機的狀態值，將其存儲在會話中，構建包含必要參數（客戶端 ID、重定向 URI、範圍和狀態）的授權 URL，並將用戶重定向到 Rememberizer.ai 的授權頁面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回調路由):** 此路由處理來自 Rememberizer.ai 的回調，當用戶授權您的應用程式後。它從查詢參數中提取授權碼，使用 Rememberizer.ai 的令牌端點將其交換為訪問令牌，並將訪問令牌存儲在會話中。然後，它將用戶重定向到 /dashboard 路由。 **@app.route('/dashboard') (儀表板路由):** 此路由向用戶顯示儀表板頁面。它檢查用戶的會話中是否有訪問令牌；如果沒有，則將他們重定向到認證路由。如果用戶已通過認證，它會向 Rememberizer.ai 的帳戶端點發送請求以檢索帳戶信息，並使用這些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 整合信息路由):** 此路由顯示有關用戶與 Rememberizer.ai 的 Slack 整合的信息。它檢查訪問令牌並向 Rememberizer.ai 的整合端點發送請求以獲取整合數據。然後，它使用這些數據渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提問路由):** 此路由處理用戶提交的問題。它檢查訪問令牌，從表單數據中檢索用戶的問題，並向 Rememberizer.ai 的文檔搜索端點發送請求以查找相關信息。然後，它使用 OpenAI 的 GPT-4 模型根據問題和搜索結果生成答案。答案在 answer.html 模板中渲染。 ### 附加說明 * **圖標設計**：運用詳細的摺紙藝術風格設計，反映AI和通信整合的特點。我們的圖標是在Midjourney和Image2Icon中創建的。 * **SSL配置**：使用OpenSSL生成自簽名證書以進行安全通信。 ### 探索與創新 我們鼓勵您探索和創新自己的 AI 整合網頁應用程式，旨在提升您平台內的生產力和協作。 *** 這份修訂的文檔為開發者提供了創建自己 AI 整合網頁應用程式的全面指南，類似於 Talk-to-Slack。它包括設置、部署和應用程式代碼概述的詳細說明，以及最佳實踐。 ==> developer/README.md <== # 開發者 ==> developer/vector-stores.md <== --- description: >- 本指南將幫助您了解如何作為開發者使用 Rememberizer 向量存儲。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量儲存 Rememberizer 向量儲存簡化了處理向量數據的過程，讓您能夠專注於文本輸入，並利用向量的力量進行各種應用，如搜索和數據分析。 ### 介紹 Rememberizer 向量儲存庫旨在提供一個易於使用的介面來處理向量數據。與傳統的向量數據庫（如 Pinecone）不同，Rememberizer 向量儲存庫允許您直接處理文本。該服務將處理文本數據的分塊、向量化和儲存，使您能夠更專注於核心應用邏輯。 ### 開始使用 #### 創建向量存儲 1. 在您的儀表板中導航到向量存儲部分 2. 點擊「創建新的向量存儲」： * 將出現一個表單，提示您輸入詳細信息。 3. 填寫詳細信息： * **名稱**：為您的向量存儲提供一個唯一的名稱。 * **描述**：撰寫一個簡短的向量存儲描述。 * **數據架構**：定義向量維度和任何其他字段。 * 您可以選擇性地指定嵌入模型、索引策略和相似性度量。這些設置會影響向量的生成和比較，優化您特定用例的性能。 4. 提交表單： * 點擊「創建」按鈕。您將收到成功通知，新的存儲將出現在您的向量存儲列表中。
創建新的向量存儲

創建新的向量存儲

#### 管理向量儲存 1. 查看和編輯向量儲存： * 訪問管理儀表板以查看、編輯或刪除向量儲存。 2. 查看文件： * 瀏覽特定向量儲存中的單個文件及其相關元數據。 3. 統計數據： * 查看詳細統計信息，例如儲存的向量數量、查詢性能和操作指標。
查看向量儲存的詳細信息

查看向量儲存的詳細信息

### API 金鑰管理 API 金鑰用於驗證和授權訪問 Rememberizer 向量儲存的 API 端點。妥善管理 API 金鑰對於維護您的向量儲存的安全性和完整性至關重要。本節將介紹如何為您的向量儲存創建和撤銷 API 金鑰。 #### 創建 API 金鑰 1. 前往您的向量存儲詳細信息頁面 2. 導航到 API 金鑰管理部分： * 它可以在「配置」標籤中找到 3. 點擊 **「添加 API 金鑰」**： * 將出現一個表單，提示您輸入詳細信息。 4. 填寫詳細信息： * **名稱**：為 API 金鑰提供一個名稱，以幫助您識別其用例。 5. 提交表單： * 點擊「創建」按鈕。新的 API 金鑰將被生成並顯示。請確保複製並安全存儲它。此金鑰用於驗證對該特定向量存儲的請求。
創建新的 API 金鑰

創建新的 API 金鑰

#### 撤銷 API 金鑰 如果不再需要 API 金鑰，您可以刪除它以防止任何潛在的濫用。 出於安全原因，您可能希望定期更換您的 API 金鑰。這涉及生成一個新金鑰並撤銷舊金鑰。 ### 使用 API 金鑰檢索向量儲存資訊 在創建新的向量儲存並生成 API 金鑰後，您可以將此金鑰分享給需要訪問向量儲存的用戶。API 金鑰允許用戶上傳文件、搜索文件以及在向量儲存中執行其他操作。然而，在用戶能夠與向量儲存互動之前，他們需要使用 API 金鑰檢索向量儲存的 ID 和其他相關資訊。 有關每個 API 端點和響應的詳細資訊，請訪問 [vector-store](api-documentations/vector-store/ "mention") 頁面。 *** 確保安全地處理 API 金鑰並遵循 API 金鑰管理的最佳實踐。 ==> developer/authorizing-rememberizer-apps.md <== # 授權 Rememberizer 應用程式 Rememberizer 的實作支援標準 [授權碼授權類型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授權用戶使用您的應用程式的網頁應用程式流程如下： 1. 用戶被重定向到 Rememberizer 以授權他們的帳戶。 2. 用戶選擇要與您的應用程式一起使用的紀念品。 3. 您的應用程式使用用戶的存取令牌訪問 API。 訪問 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 頁面以查看該流程的 UI 範例。 ### 第一步。請求用戶的 Rememberizer 身份 將用戶重定向到 Rememberizer 授權伺服器以啟動身份驗證和授權過程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 參數：
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。點擊左上角的開發者。在註冊應用程序列表中，點擊您的應用程序，您將在應用憑證中看到客戶端 ID。
response_type必填
必須為 code 以獲取授權碼。
scope

可選

一個以空格分隔的範圍列表，標識您的應用程序可以代表用戶訪問的資源。

redirect_uri必填
用戶授權後將被發送到您應用程序中的 URL。
state

必填

客戶端用於在請求和回調之間維護狀態的模糊值。授權伺服器在將用戶代理重定向回客戶端時包含此值。

### 步驟 2. 使用者選擇並配置他們的紀念品 使用者將選擇與您的應用程式一起使用的紀念品。 ### 步驟 3. 使用者被 Rememberizer 重定向回您的網站 在使用者選擇他們的紀念品後，Rememberizer 會帶著一個臨時的 `code` 參數以及您在前一步提供的狀態以 `state` 參數的形式重定向回您的網站。臨時代碼會在短時間內過期。如果狀態不匹配，則表示請求是由第三方創建的，您應該終止該過程。 ### 第 4 步。用授權碼交換刷新和訪問令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端點需要以下輸入參數。
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。找到此 ID 的說明在第 1 步中。
client_secret必填
您從 Rememberizer 獲得的應用程序客戶端密鑰。
code您在第 3 步中收到的授權碼。
redirect_uri必填
用戶在授權後被發送到您應用程序中的 URL。必須與第 1 步中的 redirect_uri 匹配。
### 步驟 5. 使用訪問令牌訪問 API 訪問令牌允許您代表用戶向 API 發送請求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以這樣設置 Authorization 標頭： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 參考資料 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 獲取 Slack 的內容 {% 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 <== # 取得文件 {% 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 文件說明 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 金鑰](../registering-and-using-api-keys.md) 來驗證 API。OAuth2 是一個標準的授權框架，使應用程序能夠安全地訪問系統中的特定文檔。另一方面，API 金鑰提供了一種更簡單的方法來從公共知識庫中檢索文檔，而無需經過 OAuth2 驗證過程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的數據源整合 {% 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 <== # 獲取當前用戶的帳戶詳細信息 {% 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 <== # 將內容記住到 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 <== # 獲取所有已添加的公共知識 {% 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 <== # 根據語義相似性搜索文檔 {% 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 <== # 獲取文檔內容 {% 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 <== # 獲取向量儲存中的文件列表 {% 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 <== # 獲取文件的信息 {% 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 <== # 向量儲存 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 獲取向量儲存的資訊 {% 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 <== # 根據語義相似性搜索向量存儲文件 {% 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 <== # 將新文本文件添加到向量存儲 {% 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 <== # 移除向量儲存中的文件 {% 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 <== # 更新文件內容至向量儲存 {% 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 <== # 上傳檔案到向量儲存 {% 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: >- 本指南將引導您將您的 Slack 工作區整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Slack 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Slack。
您的知識，準備連接到 Slack

您的知識，準備連接到 Slack

3. 點擊 Slack 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，請求您的許可以允許 Rememberizer 訪問您的 Slack 工作區。
Slack OAuth 畫面

Slack OAuth 畫面

> **注意：** 如果您看到一個警告，表示此應用程式未經 Slack 授權，那是因為 Rememberizer 旨在在 Slack 之外搜尋 Slack 內容，這違反了 [Slack 應用程式目錄指南](https://api.slack.com/directory/guidelines)。 4. 點擊 **"允許"** 將 Rememberizer Slack 應用安裝到您的工作區。一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Slack 工作區已連接，並且側邊面板彈出。
A COMPANY 已被添加為知識來源

A-COMPANY 已被添加為知識來源

5. 現在您已連接，您需要指定我們的產品應該從哪些頻道獲取消息。從側邊面板中選擇您想要的文件或文件夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
選擇要嵌入為知識的頻道

選擇要嵌入為知識的頻道

6. 選擇頻道後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。 ### 接下來該怎麼辦？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Box、Dropbox 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/manage-third-party-apps.md <== # 管理第三方應用程式 ## 探索第三方應用程式和服務 用戶可以在 **應用程式目錄** 頁面查看和探索所有與 Rememberizer 連接的第三方應用程式，具體步驟如下。 * 在導航欄上，選擇 **個人 > 尋找應用程式**。然後，您將看到應用程式目錄頁面。
導航欄瀏覽應用程式目錄頁面

導航欄瀏覽應用程式目錄頁面

應用程式目錄頁面

應用程式目錄頁面

* 找到您想要探索的應用程式。您可以通過在搜索欄中輸入應用程式的名稱來完成此操作，並可選擇 **篩選和排序順序**。
帶有篩選和排序按鈕的搜索欄

帶有篩選和排序按鈕的搜索欄

* 點擊 **第三方應用程式的名稱** 或 **探索按鈕** 以打開該應用程式。
應用程式的名稱和探索按鈕

應用程式的名稱和探索按鈕

* 使用應用程式時，將需要授權該應用程式與 Rememberizer 連接。流程的技術細節可以在 [authorizing-rememberizer-apps.md](../developer/authorizing-rememberizer-apps.md "mention") 頁面查看。我們將以 **Rememberizer GPT 應用程式** 作為授權的 UI 流程示例。在第一次聊天後，您將看到應用程式要求您登錄 Rememberizer。
來自 Rememberizer GPT 應用程式的登錄請求

來自 Rememberizer GPT 應用程式的登錄請求

* 點擊 **登錄** 按鈕。您將被重定向到授權頁面。
授權頁面

授權頁面

* 您可以通過點擊 **更改** 按鈕來修改應用程式可以查看和使用的 Memento 和 Memory，然後選擇您想要的內容。 > **注意：** 有關 Memento 的詳細信息，請訪問 [mementos-filter-access.md](mementos-filter-access.md "mention") 頁面。 > **注意：** 有關 Memory 整合的詳細信息，請訪問 [rememberizer-memory-integration.md](rememberizer-memory-integration.md "mention") 頁面。 * 點擊 **授權** 以完成該過程。然後，您將再次被重定向回應用程式，並可以正常與其聊天。 > **注意：** 如果您點擊 **取消** 按鈕，您將再次被重定向到應用程式登陸頁面，該應用程式將不會顯示在 **應用程式目錄** 頁面上，而是會顯示在 **您的連接應用程式** 頁面上。更多詳細信息，請訪問第二部分 [#manage-your-connected-apps](manage-third-party-apps.md#manage-your-connected-apps "mention")，如果您想完全取消授權過程。
成功連接帳戶

成功連接帳戶

## 管理您的連接應用程式 在 **應用程式目錄** 頁面上，選擇 **您的連接應用程式** 以瀏覽該頁面。
browse your connected app
您的連接應用程式頁面

您的連接應用程式頁面

此頁面根據應用程式的狀態將其分類為兩種類型：**待處理應用程式** 和 **已連接應用程式**。 * **待處理應用程式**：這些是您在 Rememberizer 上授權應用程式時點擊 **取消** 按鈕的應用程式。 * 如果您想完成授權過程，請點擊 **繼續**。 * 否則，點擊 **取消** 以完全撤回授權。該應用程式將再次顯示在 **應用程式目錄** 頁面上。 * **已連接應用程式：** 您可以通過點擊更改選項（如果尚未選擇 Memento，則選擇）來配置特定連接應用程式的 **Memento** 或 **記憶整合**。如果您想將第三方應用程式從 Rememberizer 斷開連接，請點擊 **斷開連接**。 # Rememberizer 記憶集成 ### 介紹 Rememberizer Memory 允許第三方應用程式在使用者的 Rememberizer 帳戶中儲存和存取資料，提供了一種簡單的方式，讓有價值的信息能夠在多個使用者的應用程式中儲存和利用。 ### 優勢 #### 對於用戶 共享記憶體創建了一個單一的地方，所有用戶應用程式的關鍵結果和資訊都可以在一個位置獲得。對用戶的一些好處包括： * 簡易訪問：重要數據集中存儲，使用戶及其應用程式能夠輕鬆地在一個地方訪問來自多個應用程式的結果。 * 應用之間的同步：資訊可以在用戶的不同應用程式之間無縫共享和同步，無需用戶額外努力。 * 持久存儲：數據即使在個別應用程式被卸載後仍然可以訪問，與專屬應用的本地存儲不同。 #### 對應用程式開發者 共享記憶體為應用程式開發者提供了一種簡單的方式，可以訪問用戶其他連接應用程式中的數據： * 不需要後端：應用程式不需要開發自己的自定義後端系統來儲存和共享數據。 * 利用其他應用程式：應用程式可以基於用戶其他已安裝應用程式生成的公共數據進行構建和利用，豐富其自身功能。 * 應用程式間整合：應用程式開發者的不同應用程式之間可實現無縫整合和數據共享功能。 默認情況下，所有應用程式對共享記憶體具有只讀訪問權限，而每個應用程式僅能寫入其自己的記憶體空間。用戶可以根據需要自定義訪問權限。這在數據共享和用戶隱私與控制之間取得了平衡。 ### 配置你的記憶 #### 全域設定 全域設定允許用戶配置所有使用共享記憶體的應用程式的預設權限。這包括：
在知識頁面中配置記憶體

在知識頁面中配置記憶體

#### 應用程式的預設記憶體和數據訪問權限 * **讀取自己的/寫入自己的：** 應用程式僅被允許訪問和修改自己的記憶體數據。 * **讀取所有/寫入自己的：** 應用程式可以讀取所有應用程式的記憶體數據，但僅限於修改自己的記憶體數據。 * **禁用記憶體：** 預設情況下，應用程式無法訪問或存儲記憶體數據。 * **應用於所有選項：** 用戶可以將所有應用程式特定的權限設置恢復為全局設置中選擇的預設值。
memory settings panel
用戶可以使用 _**忘記你的記憶**_ 選項清除所有記憶體文件：
忘記記憶時的確認模態

忘記記憶時的確認模態

#### 應用程式設定 對於每個連接的應用程式，使用者可以自訂共享記憶體的權限。點擊 **"尋找應用程式"**，然後點擊 **"您的連接應用程式"** 或前往鏈接 [https://rememberizer.ai/personal/apps/connected](https://rememberizer.ai/personal/apps/connected) 以查看您連接的應用程式列表。然後，點擊您想要自訂的應用程式的記憶體上的 **"變更"**：
在連接應用程式頁面中為每個應用程式配置記憶體

在連接應用程式頁面中為每個應用程式配置記憶體

#### 應用程式的記憶體訪問權限 * **讀取自己的/寫入自己的**：權限允許應用程式僅訪問和修改其自己的記憶體數據，防止其與其他應用程式的記憶體互動。 * **讀取所有/寫入自己的**：應用程式可以查看所有應用程式的記憶體數據，但僅限於修改其自己的記憶體數據。 * **禁用記憶體**：應用程式被禁止訪問或修改記憶體數據。 這使得用戶可以根據對特定應用程式的信任程度，對每個應用程式如何利用共享記憶體進行細緻的控制。單個應用程式的權限可以比全局默認設置更為嚴格。 全局設置和應用程式設置共同為用戶提供了強大而易於使用的控制，讓他們能夠管理其數據如何通過共享記憶體進行共享。 ### 與記憶功能整合 #### API 端點 Rememberizer 提供一個 API 端點 [/**api/v1/documents/memorize/**](https://docs.rememberizer.ai/\~/changes/8nxu1gB5bGpm7B5IZlQ8/developer/api-documentations/memorize-content-to-rememberizer) 讓 GPT 應用程式可以呼叫以記住內容。 注意：此 API 僅適用於具有 [OAuth2 認證的第三方應用程式](../developer/authorizing-rememberizer-apps.md)（尚不支持 [API 金鑰](../developer/registering-and-using-api-keys.md)）。 #### 記住你的知識 在授權 Rememberizer 後，第三方應用程序可以記住它的寶貴知識。 在這裡，我們將演示使用 Rememberizer GPT 應用程序的過程。 * 在使用 Rememberizer GPT 應用程序後，用戶想要記住第三點「零成本抽象」。
與 Rememberizer GPT 應用程序互動

與 Rememberizer GPT 應用程序互動

* 要使用 Rememberizer 應用程序的記憶功能，用戶必須首先授權該應用程序訪問你的項目。使用 **memorize** 命令告訴應用程序需要存儲的知識。
登錄以授權 Rememberizer

登錄以授權 Rememberizer

* 用戶可以在這裡配置記憶選項，默認值基於全局配置
授權屏幕

授權屏幕

Rememberizer 現在成功記住了知識。
successful memorize knowledge
* 在 Rememberizer 中，用戶可以在 **嵌入知識詳情** 頁面查看最近的內容。
embedded knowledge detail
使用 **Talk to Slack** 應用程序，用戶可以無縫地應用並繼續使用他們已經記住的數據。例如，記住的信息可以輕鬆查詢和檢索
在另一個應用程序中回憶記憶數據

在另一個應用程序中回憶記憶數據

### 使用 Memento 的記憶數據 * 利用記憶數據的另一種方法是創建 **Memento** 並將記憶精煉到其中。請訪問 [Memento 功能](mementos-filter-access.md#how-to-create-a-mementos) 部分以獲取有關創建指導的更多信息。 * Rememberizer 將內容保存到文件中，並且用戶可以選擇任何應用程序將其內容精煉為 **Memento**。 > 注意：在舊版本中，Rememberizer 將內容保存到文件中並按日期合併到文件夾中。
memory memento feature
使用 [Memento 功能](https://docs.rememberizer.ai/personal/mementos-filter-access#what-is-a-memento-and-why-do-they-exist)，用戶即使在記憶應用配置關閉的情況下也可以利用記憶數據。 ### 在 Rememberizer 中搜索記憶文檔 您也可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好地，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 ==> personal/rememberizer-dropbox-integration.md <== --- description: >- 本指南將指導您將 Dropbox 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Dropbox 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Dropbox。
Dropbox，準備好作為知識來源連接

Dropbox，準備好作為知識來源連接

3. 點擊 **"允許"** 以將 Rememberizer Dropbox 應用安裝到您的帳戶。
dropbox oauth
4. 一旦您授予了必要的權限，您將被重定向回我們的平台，您應該能看到您的 Dropbox 帳戶已連接，並且側邊面板會彈出。
dropbox auth redirect
5. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊面板中選擇您想要的文件或資料夾。如果側邊面板未出現，請點擊 **"選擇"** 按鈕以打開側邊面板。
dropbox choose knowledge
7. 選擇您的文件和資料夾後，點擊 **"添加"**，我們的系統將開始嵌入。根據數據量，這個過程可能需要幾分鐘的時間。 ### 連接到另一個Dropbox帳戶 如果您斷開Dropbox知識，然後重新連接，Dropbox可能會自動連接到您之前的Dropbox帳戶，完全跳過授權畫面。 如果您想使用不同的Dropbox帳戶連接： 1. 請前往Dropbox網站並使用您之前的帳戶憑證登入。 2. 登入後，請點擊右上角的個人資料照片。 3. 從下拉選單中選擇「設定」。 4. 在設定選單中，選擇「已連接的應用」標籤頁。 5. 在已連接的應用清單中，找到Rememberizer應用，並點擊其旁的「斷開連接」。 6. 登出您之前的Dropbox帳戶。 7. 現在，當您嘗試再次將Dropbox連接到Rememberizer應用時，將會提示您授權新的Dropbox帳戶。 ### 接下來該怎麼做？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Google Drive、Slack 等）中的知識結合起來，以形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/rememberizer-google-drive-integration.md <== --- description: >- 本指南將指導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Google Drive 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能看到所有可用的知識來源，包括 Google Drive。
drive personal knowledge
3. 點擊 Google Drive 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Google Drive。選擇您的 Google Drive 帳戶。
drive oauth step 1
4. 通過點擊 **"繼續"** 來批准應用程式。
drive oauth step 2
5. 通過點擊 **"繼續"** 來允許 Rememberizer **查看和下載您所有的 Google Drive 文件**。
drive oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Drive 帳戶已連接，並且側邊欄會彈出。
drive auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些文件和資料夾。從側邊欄中選擇您想要的文件或資料夾。如果側邊欄未出現，請點擊 **"選擇"** 按鈕以打開側邊欄。
drive choose knowledge
8. 選擇文件後，點擊 **"添加"** 以開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，允許將您的 Google Drive 數據與您特別批准的第三方應用程式共享。
drive choose knowledge checkbox
9. 在選擇您的文件和資料夾後，我們的系統將開始嵌入消息和文件。根據數據量，這個過程可能需要幾分鐘。
drive indexing
### Google Drive 整合的限制 * 雖然 Rememberizer 的 Google Drive 整合允許您訪問和嵌入各種文件和資料夾，但目前無法訪問或嵌入來自「電腦」部分的文件，因為這部分是用於備份您電腦上的文件，受 Google 設定的限制。 * 如果您需要嵌入來自本地電腦的文件，我們建議使用我們的 Rememberizer Agent 桌面應用程序。要了解有關 Rememberizer Agent 的更多信息以及如何安裝和使用它，請參閱我們的 [Rememberizer Agent](rememberizer-app.md) 指南。 ### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> personal/README.md <== # 個人 ==> personal/search-your-knowledge.md <== --- description: >- 在 Rememberizer 中，您可以發佈主題或問題，Rememberizer 將提供一個文件列表並提取概念上相似的部分。 --- # 搜尋你的知識 ## 在 Rememberizer 中搜尋 * 在導航欄中，選擇 **個人 > 搜尋您的知識**。然後您將看到 Rememberizer 的搜尋頁面。
navbar search rememberizer (1)
search rememberizer page
* 輸入您想要搜尋的問題或主題，然後選擇您想要限制應用程式訪問的紀念品，並點擊 Rememberizer 按鈕（或按 Enter 鍵）。搜尋過程可能需要幾分鐘，具體取決於紀念品中的數據量。
在 Rememberizer 中搜尋的紀念品過濾

在 Rememberizer 中搜尋的紀念品過濾

* 最終，您將看到與您所需問題或主題相匹配的文件列表。您可以點擊文件，將顯示與您的問題或主題相關的匹配文本片段。
搜尋結果的示例

搜尋結果的示例

==> personal/rememberizer-app.md <== # Rememberizer App ### 介紹 Rememberizer App 是一款 MacOS 桌面應用程式，將您的本地檔案轉換為向量嵌入，並將其作為數據來源上傳到您的 Rememberizer 知識庫。該應用程式使其他 LLM 能夠通過 Rememberizer 的 API 查詢您的嵌入，以根據您本地檔案的內容生成答案。 ### 優點。 * **數據利用：** 應用程序幫助您以有意義且高效的方式利用本地文件。它從您的文件中提取有價值的數據，並使其可用於機器學習過程。 * **易於使用：** 應用程序具有用戶友好的界面，安裝和使用都很簡單。它負責進行文件轉換和數據上傳的繁重工作，因此您不必費心。 * **集成：** Rememberizer App 可無縫地與其他 LLMs 集成。這使得它們可以通過 Rememberizer 的 API 查詢您的嵌入，以根據本地文件的內容生成答案。 ### 安裝。 1. 從[這裡提供的連結](rememberizer-app.md#download-links)下載一個版本的 Rememberizer App。 2. 下載完成後，在下載資料夾中找到 .dmg 文件並雙擊它。 3. 當新窗口打開時，將 Rememberizer App 拖入您的應用程式資料夾。 4. 前往您的應用程式資料夾，然後點擊 Rememberizer App 打開它。 ### 如何使用。 1. **登入：** 要使用 Rememberizer 應用程式，您需要使用您的 Rememberizer 帳戶登入。如果您沒有 Rememberizer 帳戶，您需要創建一個。
rememberizer app sign in
rememberizer app success auth
2. **將資料夾添加到資料來源：** 登入後，Rememberizer 應用程式將開始在背景運行。您可以通過點擊位於狀態欄的小圖標來訪問它，如下所示。首次使用時，您需要將資料夾添加到資料來源。這使 Rememberizer 應用程式能夠將這些資料夾中的文件轉換為向量嵌入並上傳到您的 Rememberizer 知識中。
rememberizer app add folder 1
rememberizer app add folder 2
3. **嵌入和上傳：** 該軟體將無縫地將這些向量嵌入整合到您的 Rememberizer 知識資料庫中。通過 Rememberizer 狀態標籤跟踪上傳過程。
rememberizer app status
### 下載連結。 * Rememberizer App 1.6.1 ([MacOS](https://www.dropbox.com/scl/fi/hzytquytxmuhpov67spru/rememberizer-app-1.6.1.dmg?rlkey=0p30ok9qt4e33ua8scomagzev\&st=8yys88d5\&dl=1)) - [版本說明](rememberizer-app.md#version-1.3.1-july-25-2024)。 請注意，建議始終使用最新版本的軟體，以便利用所有最新的功能和改進。 Rememberizer App 的設計旨在使將本地文件轉換為向量嵌入的過程盡可能無縫。享受以更具生產力的方式使用您的數據！ ### 發布說明。 ### 版本 1.6.1 (2024年10月4日) #### 功能與改進 * **支持空文件夾**：用戶現在可以將空文件夾添加為數據來源。 * **小幅改進**：用戶界面和性能的增強。 * **GPU支持和性能改進**：新增對GPU加速的支持，以提高處理速度。 * **增強的嵌入程序**：配置支持PyTorch的MPS版本，優化特定機器的構建。 * **智能CPU檢測**：實施CPU類型檢測，以確保使用最合適的嵌入程序版本。 * **改進的數據源管理**：利用批量刪除API高效刪除已移除數據源中的文件。 * **支持所有純文本文件**：啟用處理各種純文本文件類型。 * **遵循Gitignore規則**：現在忽略Git存儲庫中gitignore規則的文件將被排除在處理之外。 ==> personal/common-knowledge.md <== --- description: >- 通過添加AI訪問我們和其他人的預索引數據來增強您的知識或快速入門。 --- # 常識 ## 什麼是共同知識 在 Rememberizer 中，註冊用戶 **(出版者)** 可以通過備忘錄選擇他們上傳的文件，並將其公開分享為共同知識。其他用戶 **(訂閱者)** 可以訪問這些公共知識並將其添加到自己的資源中。 通過貢獻他們的數據，其他用戶可以共同增強共同知識頁面上的可用信息。這種協作方式使所有用戶都能訪問更豐富的數據來源，從而提高他們的 AI 應用程序的學習能力。 ## 添加公共常識 為了將常識訂閱到您的資源，請按照以下說明操作 * 在導航欄上，選擇 **個人 > 常識**。然後，您將看到公共常識頁面。
navbar browse ck
public ck page
* 然後，尋找您想要訂閱的常識。您可以通過在搜索欄中輸入知識的名稱來查找知識。您可以選擇性地選擇搜索欄旁邊的過濾選項。
搜索欄的過濾器

搜索欄的過濾器

搜索結果示例

搜索結果示例

* 然後點擊公共常識上的 **添加** 按鈕。訂閱成功後，您將看到 **添加** 按鈕變為 **移除** 按鈕。
未添加的常識

未添加的常識

已添加的常識

已添加的常識

* 之後，如果您想要移除已訂閱的知識，請點擊 **移除** 按鈕。 ## 創建共同知識 有關創建和共享共同知識的詳細說明，請訪問此頁面 [registering-and-using-api-keys.md](../developer/registering-and-using-api-keys.md "mention")。 ==> personal/mementos-filter-access.md <== --- description: 使用每個應用集成的 Memento 來限制其對您的知識的訪問 --- # Mementos 過濾器訪問 ### 什麼是備忘錄，為什麼它們存在？ Rememberizer 的一個主要目的是以受控的方式與第三方應用程序共享您數據的高度相關摘錄。這是通過將單個 **備忘錄** 應用於每個與 Rememberizer 集成的應用程序來實現的，您也選擇授權這些應用程序訪問您在 Rememberizer 中的數據。 目前的備忘錄實現允許用戶選擇特定的文件、文檔或內容組，例如可以被該應用程序使用的文件夾或頻道。後續的實現將增加其他過濾第三方訪問的方式，例如“在過去 30 天內創建”的時間範圍。\ \ 兩個默認值是“無”和“全部”。全部共享用戶允許 Rememberizer 訪問的每個文件。無則不與相關應用共享任何內容。選擇無允許用戶選擇一個應用並將其與 Rememberizer 集成，而無需當場決定要提供哪些內容。選擇一個無的備忘錄或編輯現有的應用備忘錄以共享無是一種關閉應用訪問用戶數據的方式，而無需刪除集成。這就像是您數據的關閉開關。自定義備忘錄可以專門製作，並具有反映其用途的名稱，例如“作業”或“市場營銷”。 ### 如何創建 Mementos？ 本指南將指導您創建 Mementos 的過程 1. 在標籤中導航至 **個人 > Memento: 限制訪問**，或訪問 [https://rememberizer.ai/personal/memento](https://rememberizer.ai/personal/memento)。您應該會在螢幕左側看到所有 Mementos
memento page
2. 點擊 **創建新的 memento**。然後填寫您自定義 memento 的名稱，並點擊 **創建**。之後，您應該會看到您的 memento 被添加，並且可以在您的 memento 中包含數據來源的列表。
create memento
memento detail
3. 點擊您想要精煉的數據來源上的 **精煉**，側邊面板將彈出。然後選擇添加文件夾或文件，並點擊 **精煉** 將這些數據來源添加到 Memento。
memento refine knowledge
4. 此外，對於常見的知識來源，您可以點擊 **添加** 將知識包含在 Memento 中。
memento add common knowledge
==> personal/manage-your-embedded-knowledge.md <== --- description: >- Rememberizer 允許用戶有效地管理來自各種來源的存儲文件。此部分將向您展示如何訪問、搜索、過濾和管理您上傳的文件在知識中 --- # 管理您的嵌入式知識 ## 瀏覽嵌入知識詳細頁面 在導航欄上，選擇 **個人 > 你的知識**。找到 "你的知識" 區域右側的 **查看詳細資訊** 按鈕並點擊它。然後，你將看到 **嵌入知識詳細** 頁面。
你的知識區域和 <strong>查看詳細資訊</strong> 按鈕

你的知識區域和 查看詳細資訊 按鈕

嵌入知識詳細頁面

嵌入知識詳細頁面

知識文件詳細信息的表格包括以下屬性： * **文件：** 文件或 Slack 頻道的名稱。 * **來源：** 文件上傳的資源（Drive、Mail、Slack、Dropbox 和 Rememberizer App）。 * **目錄：** 文件在來源中的位置。 * **狀態：** 文件的狀態（索引中、已索引或錯誤）。 * **大小：** 文件的大小。 * **索引於：** 文件被索引的日期。 * **操作：** 刪除文件的按鈕。對於狀態為錯誤的文件，垃圾桶圖標（刪除按鈕）旁邊還會有一個重試圖標。 ## 詳細頁面的特點 ### 搜尋和篩選檔案 使用者可以透過 **搜尋欄** 以名稱搜尋文件。在欄位中輸入名稱，然後按 Enter 以獲取結果。
搜尋結果

搜尋結果

您也可以選擇 **狀態篩選器** 和 **來源篩選器**。這將通過縮小搜尋條件快速定位特定文件。
來源篩選器

來源篩選器

狀態篩選器

狀態篩選器

### 刪除上傳的檔案 找到您想要刪除的檔案（如有需要可進行搜尋）。然後點擊**操作**欄中的**垃圾桶圖示**。
帶有刪除圖示的檔案

帶有刪除圖示的檔案

將彈出一個對話框以確認刪除。點擊**確認**，然後您將看到檔案已被刪除。
刪除確認對話框

刪除確認對話框

### 重試索引錯誤檔案 使用者可以重試嵌入那些 Rememberizer 無法索引的檔案。要重試索引特定檔案，只需點擊 **操作** 欄中刪除按鈕旁邊的重試按鈕。
特定錯誤檔案的重試按鈕

特定錯誤檔案的重試按鈕

如果使用者想要重試索引所有錯誤檔案，請點擊 **操作** 欄標籤旁邊的重試按鈕。
所有錯誤檔案的重試按鈕

所有錯誤檔案的重試按鈕

以下是從 Gmail 整合成功重試索引錯誤檔案後的圖片。
成功重試索引錯誤檔案

成功重試索引錯誤檔案

==> personal/rememberizer-gmail-integration.md <== --- description: >- 本指南將引導您將 Google Drive 整合到 Rememberizer 作為知識來源的過程。 --- # Rememberizer Gmail 整合 1. 登入您的帳戶。 2. 前往 **個人 > 您的知識** 標籤，或訪問 [https://rememberizer.ai/personal/knowledge](https://rememberizer.ai/personal/knowledge)。您應該能在那裡看到所有可用的知識來源，包括 Gmail。
gmail personal knowledge
3. 點擊 Gmail 知識來源的 **"連接"** 按鈕。您將被重定向到一個新頁面，要求您允許 Rememberizer 訪問您的 Gmail。選擇您的 Gmail 帳戶。
gmail oauth step 1
4. 通過點擊 "**繼續"** 來批准應用程式。
gmail oauth step 2
5. 通過點擊 **"繼續"** 來授予 Rememberizer **權限** 訪問您的 Gmail。
gmail oauth step 3
6. 您將被重定向回我們的平台，您應該能看到您的 Gmail 已連接。
gmail auth redirect
7. 現在您已連接，您需要指定我們的產品應該嵌入哪些電子郵件標籤。點擊 **"選擇"** 按鈕，並從側邊面板中選擇您想要的電子郵件標籤。所有屬於所選標籤的電子郵件將被嵌入。
gmail choose knowledge
8. 選擇標籤後，點擊 **"添加"** 開始嵌入您的知識。您還需要勾選框以同意 Rememberizer 的政策，將您的 Gmail 數據與您特別批准的第三方應用程式共享。
gmail choose knowledge checkbox
9. 一旦您選擇了標籤，我們的系統將開始嵌入電子郵件和附件。這個過程可能需要幾分鐘，具體取決於數據的量。
gmail indexing
### 接下來是什麼？ 使用 [Memento](mementos-filter-access.md) 功能來過濾對來源數據的訪問。將此與您在其他應用程序（如 Slack、Box、Dropbox 等）中的知識結合起來，形成一個全面的備忘錄。 您還可以通過我們的網頁 UI [搜索您的知識](https://rememberizer.ai/personal/search)，或者更好的是，通過我們的 GPT 應用程序或我們的公共 API 在 LLM 中使用這些知識。 就這樣！如果您在過程中遇到任何問題，請隨時聯繫我們的支持團隊。 ==> notices/README.md <== # 通知 ==> notices/terms-of-use.md <== # 使用條款 ### 1. 簡介 本文件概述了 Skydeck AI Inc 旗下的Rememberizer服務 (「Rememberizer」) 的使用條款 (「條款」)，包括提供給用戶在 *.rememberizer.ai 上的自定義或一般可用域名中的所有頁面，以及鏈接到這些條款的任何其他頁面 (「網站」)。這些條款構成了您作為用戶和 Skydeck AI Inc 作為該平台提供者之間的具有約束力的法律協議。通過訪問或使用此平台，您確認同意遵守這些條款。 ### 2. 接受條款 通過訪問或使用網站的任何部分，您確認您至少已經18歲，已閱讀並理解這些使用條款和Rememberizer隱私權政策（該政策已被列為這些條款的參考），並同意受其法律約束。 在這些條款中，“我們”、“我們的”指的是Rememberizer，而“您”既指您作為個人，也指您代表的任何實體。通過使用我們的平臺，您確認您可以代表任何該等實體接受這些條款，從而使其受到這些條款的約束。 ### 3. 聯絡資訊 您跟SkyDeck AI Inc. 簽訂合約的對象。我們的郵寄地址和聯繫方式如下： SkyDeck AI Inc.\ 548 Market St. PMB38234\ 舊金山, CA 94104\ 電話：1.415.744.1557\ 有關法律查詢：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ## 4. 授權和專有權利 根據您全面遵守這些條款，以及平台上發布的任何其他政策或限制，與你跟Rememberizer達成的任何費用的及時支付，我们授予您有限的，非獨家的，不可轉讓的，可撤銷的許可權，可以訪問和使用平台。 除非另有說明，所有通過平台提供的內容（包括但不限於軟件、提交覆核、資訊、使用者介面、圖形、商標、標誌、圖像、藝術品、視頻、文件、以及平台的整體"外觀和感覺") 均由Rememberizer擁有、控制、或獲得許可。該內容受到各種法律的保護，包括營業風格、版權、專利和商標法，以及其他知識產權和不公平競爭法。Rememberizer保留該內容的所有權利。 您的內容仍然是您的唯一財產。您向我們提供了非獨家的、可撤銷的許可證，允許我們為了提供服務而使用您的內容。 未經授權的重製、再分配、使用或利用平台的任何部分，按照法律明確禁止，可能導致民事或刑事懲罰 ### 5. 帳戶責任 如果您在該平台上開啟帳戶，您將負責維護您的帳戶信息的機密性，並負責您帳戶下的所有活動。通過接受這些條款並創建帳戶，您同意我們按照隱私政策中的描述收集、使用和披露您的信息。18 歲以下的人不得在 Rememberizer 或該平台上註冊帳戶或提供任何個人信息。如果您的帳戶被未經授權的使用，立即通知 Rememberizer。由於未經授權的使用可能會導致損失，您可能需負責賠償。除非獲得 Rememberizer 的預先批准，否則不得使用他人的帳戶。在禁止的地方，帳戶註冊是無效的。 ### 6. 使用者權利與責任 身為使用者，您有權為您的合法業務目的使用我們的AI工具。您有責任不濫用或濫用工具，不侵犯他人權利，也不違反任何法律。您在使用平台時，必須遵守所有適用的法律和規定。 ### 7. 供應商權利和責任 我們，Rememberizer.，保留監控使用情況、執行這些條款以及根據需要更新平台和其條款的權利。我們有責任提供可靠的服務，尊重用戶的隱私，並對任何問題或問題做出回應。 ### 8. 內容規則 由我們的 AI 工具產生的內容由您，用戶所擁有，遵守這些條款中指定的任何限制或條件。內容不應用於非法或不當的目的。 ### 9. 濫用及違反 違反或濫用這些條款可能會導致懲罰，包括但不限於，暫停或終止訪問平台的權限，法律行動，和/或賠償。 ### 10. 免責聲明 您同意，您使用平台（包括任何內容）的風險由您自行承擔。該平台和內容是按“原樣”和“可用”的基礎提供的。Rememberizer並不提供任何明示或暗示的保證，並免除所有可能的保證，包括但不限於適銷性，適用於特定目的，所有權和非侵權的默示保證。Rememberizer並不保證該平台或內容是準確的，持續可用的，完整的，可靠的，安全的，最新的，無錯誤的，或者免於病毒或其他有害組件的。 ### 11. 賠償 您同意賠償、辯護並保護無憾，為其董事、股東、繼承人、員工、代理、子公司和分公司，免受任何實際或威脅的第三方要求、要求、損失、損害、成本、責任、訴訟和費用（包括合理的律師費及專家費用及調查費用）的任何責任，符合法律規定的最大範圍。這包括源於或與您使用平台、您違反這些條款、您違反任何法律或法規、您侵犯任何第三方權利，或您披露、索取或使用任何個人信息，無論您是否知道或同意。無憾保留獨家辯護和控制任何由您負責賠償的事宜的權利，您同意與無憾的辯護合作。在未事先獲得無憾的書面同意的情況下，您不得同意任何影響無憾的和解。 ### 12. 暫停或終止使用權限 Rememberizer 保留隨時暫停或終止您對其平台全部或部分的存取權，無論有無通知，無論理由為何的權利。這包括但不限於違反這些條款，法律執行機關或其他政府機構的要求，平台的取消或重大修改，或者出現意外的技術問題。Rememberizer 對於您被終止對平台的存取權不承擔任何責任。任何在這些條款下應自然延續超越您使用平台的權利和義務，都將在您的存取權被終止後生存下來。 ### 13. 責任限制 在法律允許的最大範圍內，您同意承擔因您訪問和使用平台以及內容所產生的全部風險。Rememberizer或其任何董事，員工，代理或供應商均不對因平台或任何內容、服務或產品而產生或與之相關的任何特殊的、間接的、附帶的、示例的、結果的或懲罰性的損害承擔責任。無論是基於本條款，還是因使用或無法使用平台，Rememberizer對您的總賠償責任不會超過一百美元（$100.00）。 ### 14. 糾紛解決 任何因本條款所產生或與之相關的糾紛、爭議或主張，包括其效力、無效、違反或終止，應依照美國仲裁協會的規則通過仲裁解決。仲裁地點應為加利福尼亞州的聖荷西，並應受加利福尼亞州法律的管轄。仲裁結果應對雙方均具有最終和有約束力的效果。 ### 15. 條款的更改 Rememberizer保留隨時變更這些條款的權利，並由我們自行決定。變動將通過適當的渠道向用戶溝通，例如電郵通知，網站橫幅，或應用程式內的訊息，並給予用戶合理的時間接受新的條款。 ### 16. 翻譯 為了方便您，我們提供此文件的機器翻譯版本，語言為英語以外的其他語言。在原始英語版本與其他語言版本之間出現衝突或矛盾時，將以英語版本為準，並具有優先權。依賴於此文件的非英語翻譯版本，您接受翻譯文本與您所同意的實際條款之間可能存在意外差異。 ==> notices/privacy-policy.md <== # 隱私政策 ## Rememberizer 隱私政策 SkyDeck AI Inc.（「Rememberizer」、「我們」、「我們的」或「我們」）尊重您的隱私，並承諾通過此政策來保護它。此政策描述了我們可能從您那裡收集的信息類型，或者您在使用 rememberizer.ai generative AI platform（我們的「服務」）時可能提供的信息，以及我們收集、使用、維護、保護和披露該信息的做法。 ### 我們收集的關於您的信息及收集方式 我們從服務的用戶那裡收集幾種類型的資訊，包括： * 個人信息，例如您的姓名、電子郵件地址和其他可以在網上或離線聯繫您的標識符。 * 技術數據，例如有關您的互聯網連接的信息、您用來訪問我們服務的設備以及使用詳情。 * 用來訪問您提供的第三方供應商生成的人工智能模型的 API 密鑰和憑證。 * 文檔內容（“知識”），包括整個文檔（如 Google Docs）、數據、討論（如 Slack 頻道的內容）。這些來自您選擇和決定與 Rememberizer 共享的數據源。 我們收集這些信息： * 直接從您那裡收集，當您授權訪問數據源時提供給我們的信息。 * 當您與 Rememberizer 集成的應用程序選擇將文本存儲在 Rememberizer 記憶中以供該應用程序或其他應用程序稍後使用時，直接收集。 * 當您在服務中瀏覽時，自動收集的資訊。自動收集的資訊可能包括使用詳情、IP 地址以及通過 cookies、網絡信標和其他追蹤技術收集的信息。 * 當您更改源數據時，自動更新最新版本以反映在我們的知識中。 * 我們確認從 Google Workspace API 檢索的任何用戶數據不會用於訓練任何人工智能/機器學習模型。這些數據僅對已提供明確同意的個別用戶可訪問，僅用於為您提供和改善我們的服務。 ## 我們如何使用您的信息 我們使用我們收集到的關於您的信息，或您提供給我們的任何個人信息： * 為您提供服務及其內容，以及您向我們請求的任何其他信息、產品或服務。 * 實現您提供信息的任何其他目的。 * 向您提供有關您帳戶的通知。 * 履行我們的義務並實施由您和我們之間訂立的任何合同所產生的權利。 * 通知您我們的服務或我們通過它提供或提供的任何產品或服務的變化。 * 改善我們的服務、產品或服務。 * 允許您參與我們服務上的互動功能。 * 知識文檔的文本組件以塊形式存儲並在向量數據存儲中進行索引，以便可以返回估計具有語義相關性的部分給您授權進行訪問的第三方應用程式 ## 第三方分享 Rememberizer的主要目的是以受控方式將您的數據的高度相關摘錄分享給第三方應用程式。這是通過將單一的 **Memento** 應用於與Rememberizer集成的每個應用程式，您也選擇授權它們訪問您在Rememberizer中的數據來實現的。 目前的Memento實現允許使用者選擇特定的文件、文檔或內容組，如文件夾或頻道，供該應用程式使用。後期的實現將為第三方訪問增加額外的過濾方式，如 "在最近30天內創建" 的時間範疇。\ \ 兩個默認值是 "無" 和 "全部"。全部分享使用者允許Rememberizer訪問的每個文件。無不與討論中的應用程式分享任何東西。選擇無可以讓使用者選擇一個應用程式並將其與Rememberizer集成，而不必立即決定要提供哪些內容。選擇帶有無的Memento或編輯現有的應用Memento以分享無，是一種不必移除集成就可以關閉應用程式訪問使用者數據的方式。這就像您的數據的關閉開關。自定義Memento可以根據需要製作，並具有反映該目的的名稱，如 "作業" 或 "市場營銷"。 ## 揭露您的資訊 我們可以不受限制地披露有關我們用戶的匯總資訊，以及不會識別任何個人的資訊。我們可能會按照此隱私政策所述揭露我們收集或您提供的個人資訊： * 給需要訪問此類資訊以完成工作的第三方供應商、服務提供商、承包商或代理人。 * 為了實現您提供信息的目的。任何我們在您提供信息時揭露的其他目的。 * 經過您的同意 ### 您的權利 您在適用的數據保護法律下擁有一定的權利。其中可能包括以下權利： * 要求查詢您的個人數據。 * 要求我們更正我們持有的關於您的個人數據。 * 要求刪除您的個人數據。 * 反對處理您的個人數據。 * 要求限制處理您的個人數據。 * 要求傳輸您的個人數據。 * 有權撤回同意。 ### 資料安全 我們已實施針對保護您的個人資訊免於意外丟失，並防止未經授權的訪問、使用、變更和洩露的措施。您提供給我們的所有資訊都將儲存在我們安全的、配有防火牆的伺服器上。所有的支付交易和API金鑰將採用SSL技術進行加密。 ### 我們的隱私政策的變更 我們的政策是會在此頁面上公布我們對隱私政策的任何修改。如果我們對處理用戶個人信息的方式進行重大更改，我們將通過在服務首頁上的通知通知您。 ### 聯絡資訊 如對本隱私政策及我們的隱私實踐有任何問題或意見，請聯絡我們： SkyDeck AI Inc.\ 收件人：Rememberizer\ 548 Market St. PMB38234\ 舊金山，加州 94104\ 電話：1.415.744.1557\ 電子郵件：[legal@rememberizer.ai](mailto:legal@rememberizer.ai) ==> notices/releases/apr-5th-2024.md <== --- description: >- 此次更新增強了與 Dropbox、Google Drive 和 Slack 的整合，並 精煉了文件管理，以提供更流暢的用戶體驗。 --- # 2024年4月5日 ## 新功能 * **新增知識樹支持:** 擴展樹狀結構，以更好地與 Dropbox 和 Google Drive 整合，實現更直觀的文檔和文件夾管理。 * **Slack 回覆同步:** 添加了更有效地同步新 Slack 回覆的功能，幫助保持通信的無縫和更新。 ## 錯誤修正 * **常見知識頁面修正：** 修正了與搜尋、分頁和更新常見知識頁面上的日期時間格式相關的錯誤。 * **顯示舊帳戶的選定檔案修正：** 我們修正了一個問題，舊帳戶的選定檔案未正確顯示。 ==> notices/releases/may-17th-2024.md <== --- description: >- 此版本專注於改善用戶體驗、增強整合以及修正各種問題。主要更新包括 Gmail 同步和顯示目錄路徑。 --- # 2024年5月17日 ## 新功能 * **Gmail 整合與同步：** 連接您的 Gmail 帳戶，輕鬆在我們的平台上管理電子郵件。上週，我們推出了標籤特定的整合；本週，享受標籤內線程的全面同步，以實現無縫的訪問和管理。 ## 改進 * **顯示目錄路徑：** 應用程式現在顯示目錄路徑，使用者可以更輕鬆地導航和定位他們的文件。 * **更新圖表：** 應用程式的圖表已更新，以提供系統架構和數據流的更清晰視覺表現。 * **更改數據來源順序：** 數據來源的順序已優化，以提高數據檢索和處理的效率。 * **更新數據獲取邏輯：** 獲取數據的邏輯已增強，以提高檢索信息的準確性和可靠性。 ## 錯誤修正 * **修正刪除文件按鈕的使用者介面：** 嵌入詳細資訊中的刪除文件按鈕的使用者介面已被修正，以提供更好的使用者體驗。 ==> notices/releases/nov-22nd-2024.md <== --- description: >- 此版本專注於增強整合靈活性、擴展模型選擇選項，以及改善文件處理和加載的性能。 --- # 2024年11月22日 ### 新功能 - **每個整合的多個帳戶**：用戶現在可以為每個整合（Google Drive、Dropbox、Gmail 和 Slack）連接和管理多個帳戶，提供更大的靈活性。 - **嵌入選項中的 OpenAI 模型**：在創建或編輯向量存儲時，現在可以選擇 OpenAI 模型，提供更多嵌入模型的選擇。 - **可編輯的嵌入模型憑證**：用戶現在可以在編輯向量存儲時更新嵌入模型憑證，簡化模型管理。 ### 改進 - **平行文件處理**：文件現在以平行方式處理，提高了速度和效率。 - **改進的文件加載**：加載工作者的優化提高了文件加載時間。 ==> notices/releases/oct-4th-2024.md <== --- description: >- 此版本專注於提升性能和穩定性，對同步過程進行了重大改進，並修復了已知問題。 --- # 2024年10月4日 ### 改進 - **優化 Google Drive 瀏覽**：改善 Google Drive 知識樹的性能，以實現更快、更流暢的瀏覽。 - **增強同步效率**：通過精煉任務管理來優化文檔同步，以實現更快的更新。 ### 錯誤修正 - **解決斷開數據來源時崩潰的問題**：修復了一個問題，即在知識面板開啟時斷開數據來源會導致應用崩潰。 ==> notices/releases/sep-20th-2024.md <== --- description: >- 此次發布專注於各種改進、新功能和錯誤修正，以增強用戶體驗和功能性。 --- # 2024年9月20日 ### 改進 - **增強數字格式**: 大數字現在用逗號顯示，以便更容易閱讀。 - **更新文檔處理**: 改進機制以高效管理和索引文檔，即使在更大的文件夾中。 - **優化 Slack 和文檔處理**: 增強 API 以重試所有失敗的文檔和 Slack 通道，確保操作更順暢。 ### 新功能 - **會員更新**：會員現在根據加載結果進行更新，以提供更準確的數據。 - **隨機文檔選擇**：引入了隨機選擇功能以用於嵌入和加載，從而多樣化文檔處理。 ### 錯誤修正 - **Dropbox 同步**：暫時禁用 Dropbox 同步以防止潛在的數據問題。 - **搜尋欄改善**：知識詳情頁面的搜尋欄現在根據 "file" 查詢參數自動填充，以便進行更精確的搜尋。 - **加載後重新索引集合**：增強了加載結果 API，以自動重新索引集合。 ==> notices/releases/nov-8th-2024.md <== --- description: >- 我們最新的版本專注於提升性能、改善可靠性，並通過各種優化和修正提供更好的用戶體驗。 --- # 2024年11月8日 ### 改進 - **更新的入門體驗**：增強了新用戶入門視覺，更新了 Gmail 整合，以便更順利的開始。 - **優化性能**：通過重新應用半精度向量來提高應用程序的速度和效率。 - **增強搜索能力**：改善索引以獲得更好的搜索結果和更快的信息檢索。 - **改善文檔處理可靠性**：增強了在嵌入任務中重試的處理，以提高文檔處理的可靠性。 ### 錯誤修正 - **修正文件同步錯誤**：解決了與文件同步和處理錯誤相關的問題，以提高應用程序的穩定性。 - **解決備忘錄訪問錯誤**：修正了備忘錄文件無法訪問的錯誤。 - **確保文件索引**：修正了一個阻止創建向量存儲表的問題，確保所有文件都被正確索引並可搜索。 ==> notices/releases/jun-14th-2024.md <== --- description: >- 此版本改善了錯誤處理，增強了備忘錄側邊欄，並 精煉了測試。主要更新包括備忘錄大小顯示、更好的錯誤 回應和自動版本檢查。 --- # 2024年6月14日 ## 新功能 * **顯示備忘錄的大小：** 備忘錄的大小現在顯示在備忘錄側邊欄中，使用戶能更好地了解其存儲使用情況。 * **檢查最新版本：** 我們新增了一個功能，讓桌面應用程序能自動檢查並通知使用者最新版本的可用情況。 ## 錯誤修正 * **已刪除的回憶錄返回404：** 現在檢索已刪除的回憶錄或屬於其他用戶的回憶錄時，將返回404錯誤，而不是伺服器錯誤。 * **更新第三方應用的大小：** 修正了一個問題，第三方應用的記憶文件未能觸發回憶錄的大小更新。 ==> notices/releases/mar-4th-2024.md <== --- description: >- 此版本引入了共享知識創建和顯示、回憶錄重命名等新功能。改進包括有關Dropbox、查詢結果和公共知識UI的關鍵錯誤修正。 --- # 2024年3月4日 ## 新功能 * **共享知識**：已實施創建和顯示共享知識的新功能。 * **回憶重命名**：用戶現在可以重命名他們的回憶。 ## 錯誤修正 * **Dropbox 檔案顯示**：解決了 Dropbox 中檔案顯示不正確的問題。 * **查詢結果順序**：修正了一個錯誤，該錯誤導致連續區塊的查詢結果返回無序結果。 * **常見知識 UI**：修正了常見知識功能的幾個 UI 問題。 \ ==> notices/releases/aug-16th-2024.md <== --- description: >- 此版本專注於增強搜索能力和改善文檔管理功能。 --- # 2024 年 8 月 16 日 ### 新功能 - **增強搜尋過濾器**：新增按寄件人和收件人過濾搜尋結果的功能，使尋找特定電子郵件變得更容易。 - **文件創建日期顯示**：現在在文件列表中顯示文件創建日期，以便更好地管理文件。 ### 改進 - **改善搜索可靠性**：對搜索功能的增強提供了更加順暢和可靠的體驗。 ### 錯誤修正 - **電子郵件整合修正**：解決了使用 GPT 時 Gmail 整合的問題，以確保順利運行。 - **桌面應用程式內容顯示修正**：修正了桌面應用程式中文件內容顯示的問題，以提供更好的用戶體驗。 ==> notices/releases/mar-11th-2024.md <== --- description: >- 此次更新帶來了新功能和改進，包括簡化的 Slack 整合、增強的文件以及更高效的用戶註冊流程。 我們還修復了一些錯誤。 --- # 2024年3月11日 ## 新功能 * **用戶Slack數據遷移：**現在可以遷移用戶Slack數據以容納Slack討論串和回覆，強化用戶互動。 * **常識整合：**已經在整合來源端點添加常識，擴大了我們系統的能力。 * **固定共享知識項目：**系統管理員現在可以將共享知識項目固定在列表的頂部，提高其可見性和可訪問性。 * **安全文檔操作：**系統不再會因為空文檔而失敗，提高了系統的可靠性。 * **管理共享知識：**用戶現在可以刪除和編輯他們的共享知識，對共享內容提供了更多的控制權。 ## 改進 * **Rememberizer UI更新：**基於Slack回覆的新格式，Rememberizer UI已進行更新。 ## 錯誤修正 * **在常識之間切換：** 修正了在精煉紀念品時切換常識時出現的問題。 * **不支持的文件可見性：** 修正了導致不支持的文件顯示的問題。 * **用戶文件列表：** 訂閱的文件將不再出現在用戶文件列表中。 * **紀念品大小估算：** 修正了紀念品估算大小的錯誤計算。 ==> notices/releases/jul-26th-2024.md <== --- description: >- 此版本專注於改善我們的 Slack 整合，增強用戶界面，並解決關鍵問題，以提供更流暢的體驗。 --- # 2024年7月26日 **新功能：** * **Slack 頻道計數器**：一個新功能，準確計算並顯示 Slack 頻道的數量，幫助用戶更好地管理他們的工作區連接。 **改進：** * **更新的 Slack 整合 UI**：Slack 整合的用戶界面已經更新，以支持新的頻道機制，使其更加直觀和易於使用。 * **應用名稱更新**：桌面應用程序的名稱已更新為「Rememberizer」，反映我們幫助用戶組織和記住重要信息的承諾。 **錯誤修復：** * **Google Drive 整合**：解決了訪問 Google Drive 文件夾時出現錯誤的問題，確保更順暢的導航和文件管理。 ==> notices/releases/sep-27th-2024.md <== --- description: >- 此版本專注於增強 Dropbox 和 Google Drive 的同步性能和導航，為您提供更順暢和高效的體驗。 --- # 2024年9月27日 ### 改進 - **增強雲端同步**：優化了 Dropbox 和 Google Drive 的同步過程，使文件更新更快且更可靠。 - **改善 Dropbox 導覽**：精煉了 Dropbox 知識樹，以便更有效的文件組織和更輕鬆的訪問。 - **定期同步計劃**：設置 Google Drive、Dropbox 和 Gmail 的同步任務，每 6 小時執行一次，確保您的內容始終保持最新。 ==> notices/releases/feb-26th-2024.md <== --- description: >- 在這次版本中，我們對上傳的圖片大小限制為 1MB，並增強了選擇面板中的文檔顯示。我們還修復了一個與數據源斷開連接相關的錯誤。 --- # 2024年2月26日 ## 改進 * **圖像大小限制**：共享知識的裁剪圖像大小不得超過1MB。 * **文件顯示增強**：我們已經增加了在右側選擇面板的樹狀結構中可以顯示的文件數量，以提高用戶體驗。 ## 錯誤修正 * **數據源斷開連接**：修正了一個問題，即斷開數據源時未能適當刪除文檔並移除數據源。\ ==> notices/releases/aug-2nd-2024.md <== --- description: >- 此版本專注於改善我們應用程序的整體性能、數據處理和 錯誤管理。用戶可以期待更穩健和 高效的體驗。 --- # 2024年8月2日 **新功能：** * **改進的搜索功能**：搜索功能現在運行並行內容檢索，提供更快和更準確的結果。 * **精煉的文檔通知系統**：用戶將收到更精確的文檔更新通知，增強協作和工作流程管理。 * **更新的API密鑰格式**：更新API密鑰前綴以提高安全性和便於識別。 **改進：** * **增強的數據管理**：系統現在更有效地處理空文檔，確保所有相關信息正確索引和加載。 * **優化的記憶體組織**：對記憶體側邊欄的改進提供了更清晰的文檔和文件夾視圖，使導航更直觀。 * **簡化的數據處理**：實施新的嵌入機制和向量數據庫適應，以更高效地處理和分析數據。 **錯誤修復：** * **電子郵件編碼兼容性**：當電子郵件字符集不正確時更新系統編碼格式，防止潛在的顯示問題。 * **Gmail標籤管理**：解決刪除Gmail標籤時的問題，確保電子郵件集成更順暢。 * **異常處理**：改進錯誤通知系統，以更好地管理和傳達系統異常。 ==> notices/releases/oct-25th-2024.md <== --- description: >- 此版本專注於提高文檔索引的可靠性，並包括各種錯誤修復以增強您的體驗。 --- # 2024年10月25日 ### 新功能 - **索引失敗的自動重試**：實施了一個自動重試機制，以確保未能索引的文檔會被重試，增強數據一致性。 ### 錯誤修正 - **改進搜尋功能**：修正了一個問題，防止從連接到沒有記憶的 mementos 的應用程式進行搜尋。 - **系統穩定性增強**：解決了在同時任務期間重疊的資料庫連接，以改善性能。 - **Slack 同步調整**：暫時禁用空的 Slack 頻道的同步，以避免不必要的錯誤。 ==> notices/releases/oct-18th-2024.md <== --- description: >- 此版本專注於改善文件保存的可靠性。 --- # 2024年10月18日 ### 錯誤修正 - **增強文件保存穩定性**：改善文件保存過程，以防止在同時編輯期間出現潛在衝突。 ==> notices/releases/apr-12th-2024.md <== --- description: >- 此版本增強了文件同步，簡化了常見知識管理，並優化了用戶界面，提高了整體系統效率和用戶體驗。 --- # 2024年4月12日 ## 新功能 * **雲端儲存自動同步：** 使用者現在可以為 Dropbox 和 Google Drive 中選擇的資料夾和檔案設定自動同步，簡化文件管理流程。 ## 改進 * **優化文件排序：** 現在可以根據索引日期或名稱設置文件的順序，以便更直觀地導航和檢索。 * **回憶管理的 UI 更新：** 通用知識回憶的 UI 已經更新，包括一個新的共享設置切換，改善用戶對數據共享的控制。 * **UI 響應性和自訂：** 已實施小幅 UI 修正。 ## 錯誤修正 * **入門流程：** 解決了一個問題，即在用戶的入門步驟中未顯示常識，改善了新用戶的初始設置體驗。 ==> notices/releases/README.md <== --- description: 公共聲明、合規變更和用戶協助更新。 --- # 發布 © 2024 SkyDeck AI Inc. ==> notices/releases/aug-9th-2024.md <== --- description: >- 此次發布專注於提升用戶體驗、改善文檔管理，以及精煉 Rememberizer 的搜索功能。 --- # 2024年8月9日 **新功能** * **Slack頻道整合**：增強了對Slack頻道的支持，改善了應用內的溝通與協作。 * **文件狀態過濾器**：在嵌入詳細頁面新增了一個文件狀態過濾器，使得追蹤和管理文件變得更加容易。 * **分層文件顯示**：在備忘錄側邊欄實現了一個新的樹狀視圖，將文件和文件夾分層組織，以改善導航。 * **進階搜索功能**：引入了日期範圍過濾器，允許更精確的文件檢索。 **改進** * **文件管理**：精煉了將文件鏈接到知識詳細頁面的過程，簡化了文件的組織和訪問。 * **用戶界面更新**：各種UI增強以改善整體應用的可用性和視覺吸引力。 * **性能優化**：重構了代碼並更新了API調用，以提升應用性能和響應速度。 **錯誤修復** * **空搜索查詢處理**：解決了空搜索查詢未被正確處理的問題，提高了搜索的可靠性。 * **電子郵件整合**：修復了與GPT互動時電子郵件來源處理的問題，確保與電子郵件服務的更順暢整合。 ==> notices/releases/feb-19th-2024.md <== --- description: >- 此版本對備忘錄樹進行了改進，提供了更好的排序功能，並修復了影響GPT應用API請求的錯誤。 --- # 2024年2月19日 ## 改善 * **Memento 樹中的字母順序排序**：為了增強導航功能，Memento 樹中的文件和 Slack 頻道現在按字母順序組織。 ## 錯誤修正 * **GPT 應用程式**: 我們修復了一個問題，該問題阻止了通過新設置的 GPT 應用程式發送 API 請求。 \ ==> notices/releases/mar-18th-2024.md <== --- description: >- 此次發布專注於通過改進的入門指導、紀念品管理和響應式 UI 來增強用戶體驗。主要更新包括移除圖像大小限制、顯示紀念品大小。 --- # 2024年3月18日 ## 新功能 * **建立新紀念品按鈕：**我們新增了一個建立紀念品的按鈕，使得在授權應用程式時，這一過程變得更友善並好操作。 * **圖像上傳器無大小限制：**用戶現在可以上傳任何尺寸的圖像，為文件設計提供更多靈活性。 * **常識大小顯示：**我們新增了顯示常識項目大小的功能，使存儲使用情況更透明。 ## 改進 * **Slack 頻道的索引時間：**現在，在檢查新消息時會更新索引時間，並將維持文件的 `INDEXED` 狀態，以提高文件搜索的效率。 * **更流暢的入門流程：**我們已經減少了入門流程中多餘的步驟，使其更快速且更高效。 * **常識資訊的響應式 UI：**我們已經優化了在 memento 頁面上的常識資訊的 UI，使其具有響應式，改進了在不同設備上的可讀性。 * **Memento 大小顯示：**現在，當授權一個應用程式時，將顯示 mementos 的大小，幫助使用者更好地理解他們授權的 mementos。 ## 錯誤修正 **用戶重新命名應用程式：** 現在正確處理用戶重新命名應用程式的情況，防止潛在的錯誤。 ==> notices/releases/jan-15th-2024.md <== --- description: Rememberizer 的首次發布。 --- # 2024年1月15日 ## 新功能 * **文件搜尋**：透過我們高效的搜尋功能輕鬆找到您的文件。 * **Google Drive 整合**：透過 Google Drive 無縫管理您的檔案。 * **開發者中心**：為開發者提供一個友好的空間，輕鬆註冊和配置他們的應用程式以整合 Rememberizer。 * **回憶管理**：輕鬆創建、列出和刪除您的回憶。 * **資料來源管理**：輕鬆連接和斷開您的資料來源。 * **簡易入門**：我們的入門狀態功能旨在為所有用戶和開發者提供順利的開始。 \ ==> notices/releases/feb-12th-2024.md <== --- description: >- 在這次版本中，我們推出了一個公共的常識頁面，改善了回憶結構和入門 UI，並修正了應用授權計數的錯誤。 --- # 2024年2月12日 ## 新功能 * **公共常識頁面**：已實行新的公共常識頁面，以便更好地存取和分享資訊。 * **入職流程中的常識知識**：用戶現在可以直接從入職頁面增加常識知識。 * **紀念品的樹狀結構**：紀念品中的檔案現在以樹狀結構返回，以便更清晰地導航和查看。 ## 改進 * **入門步驟的使用者介面**: 入門步驟的使用者介面已進行調整，以改善使用者體驗。 ==> notices/releases/nov-1st-2024.md <== --- description: >- 此版本專注於提升性能、改善身份驗證，並提高整體可靠性，以提供更好的使用者體驗。 --- # 2024年11月1日 ### 改進 - **更快的搜索性能**：優化後端流程，以提供更快的文檔訪問。 - **增強的身份驗證系統**：升級身份驗證以提高安全性和可靠性。 - **改進的索引可靠性**：增強文檔索引的監控，以確保所有文檔均可搜索。 - **優化的系統性能**：實施後端優化，以提供更快和更高效的服務。 ### 新功能 - **自動數據源重新連接**：數據源現在會自動保持連接，確保您可以不間斷地訪問您的信息。 ### 錯誤修正 - **增強隱私控制**：修正了一個問題，防止未經授權的用戶在視圖中列出，改善了隱私。 - **解決應用授權問題**：修正了授權應用的重定向問題，以實現無縫訪問。 ==> notices/releases/nov-15th-2024.md <== --- description: >- 此版本專注於增強用戶身份驗證體驗，包括更順暢的登錄重定向和改善桌面應用支持。 --- # 2024年11月15日 ### 新功能 - **桌面應用程式認證**：用戶現在可以直接通過我們的桌面應用程式進行認證，以獲得更整合的體驗。 ### 改進 - **無縫登錄重定向**：未經身份驗證的用戶現在在登錄後會被重定向回他們的原始頁面，確保了不間斷的導航。 ==> notices/releases/jan-29th-2024.md <== --- description: >- 此版本提供了增強的用戶體驗，改進了文檔大小管理，更直觀的搜索界面，以及無縫的Dropbox集成。我們還解決了關鍵的錯誤。 --- # 2024年1月29日 ## 新功能 * **Dropbox 整合**：您現在可以直接在我們的平台上索引、重新索引、列出和提交 Dropbox 文件。 * **在入門步驟中的 Dropbox**：Dropbox 的整合現已成為入門步驟的一部分，從而易於設定。 ## 改進之處 * **文件大小限制**：我們將每個用戶的總文件大小限制為1GB，以確保優化性能。 * **改進搜索體驗**：搜索介面已進行優化，以提供更好的用戶體驗。 ## 錯誤修正 * 修正了處理空文件的問題，以實現更順暢的操作。 * 解決了處理 Slack 附件時的錯誤，以實現無縫整合。 * 正確地將「註冊」按鈕鏈接到「註冊」頁面。 ==> notices/releases/apr-26th-2024.md <== --- description: >- 此次更新帶來了先進的備忘錄整合、改進的 Dropbox 和 Google Drive 同步功能，以及關鍵的錯誤修正，以提升用戶體驗和系統可靠性。 --- # 2024年4月26日 ## 新功能 * **公眾應用程序的搜尋功能：** 公眾應用程序頁面新增了一個搜尋功能，使用者可以更有效地找到應用程序。 ## 改進 * **連接應用的佈局更新：**「您的連接應用」頁面的佈局已更新，以提供更好的用戶體驗和導航。 * **常識卡片更新：** 在精煉備忘錄頁面中的常識卡片現在顯示大小而非文檔數量，提供更清晰的存儲使用資訊。 * **Dropbox 和 Google Drive 的自動同步功能增強：** Dropbox 和 Google Drive 的自動同步功能已增強，提供更流暢和更可靠的同步體驗。 * **公共應用頁面的分頁：** 我們在公共應用頁面實現了分頁，改善了導航和加載時間，以提供更好的用戶體驗。 * **更新備忘錄中的精煉按鈕以適用於常識卡片：** 在常識卡片的備忘錄中的精煉按鈕已更新，提高了可用性和清晰度。 ## 錯誤修正 * **子檔案索引問題：** 修正了一個錯誤，當第一次連接整合時，選定資料夾中的子檔案未正確索引，確保全面的檔案管理。 * **搜尋失敗的登出問題：** 解決了一個問題，當搜尋不存在的紀念品失敗時，強迫用戶登出，改善錯誤處理和用戶留存。 * **個人資料編輯驗證：** 解決了編輯個人資料頁面上的驗證問題，確保資訊被準確捕捉和處理。 ==> notices/releases/sep-13th-2024.md <== --- description: >- 此版本專注於改善數據索引、使用追蹤、性能和用戶體驗的增強。 --- # 2024年9月13日 ### 改進 - **改進的使用追蹤**：新的邏輯提供了對您的存儲和使用限制的更準確監控。 - **增強的性能**：Memento 操作現在經過優化，以提高響應速度。 - **增強的錯誤顯示**：當文檔索引失敗時，知識頁面上的錯誤信息更加清晰，便於識別問題。 - **精簡的數據源連接**：數據源面板在連接後自動打開，簡化了設置過程。 - **改進的默認設置**：默認用戶設置已更新，以提高性能和準確性。 ### 新功能 - **批次文件刪除**：現在您可以一次刪除多個文件，簡化數據管理。 - **自動重新索引**：在需要時，收藏夾將自動重新索引，確保搜索結果是最新的。 ### 錯誤修正 - **修正索引錯誤**：解決了數據索引的問題，以提高搜索的可靠性。 - **減少通知垃圾郵件**：修正了一個導致與文檔成員資格相關的過多通知的問題。 ==> notices/releases/oct-11th-2024.md <== --- description: >- 此版本引入了我們新的向量數據庫服務，以便更有效地處理數據，並增強系統穩定性以及關鍵錯誤修正，以改善您的整體體驗。 --- # 2024年10月11日 ### 新功能 - **向量資料庫服務**：推出了一項新的向量資料庫服務，以便更有效地存儲數據和更快速地檢索信息。 ### 改進 - **增強系統穩定性**：改善後端流程以防止競爭條件，確保文檔處理更順暢。 - **優化連接管理**：實施更好的連接處理以提高性能和可靠性。 ### 錯誤修正 - **修正會員合併問題**：解決了在向量儲存中合併會員資料時出現錯誤的問題。 ==> notices/releases/jul-12th-2024.md <== --- description: >- 此版本帶來了對文件搜索、備忘錄組織和整合管理的令人興奮的改進。我們通過更流暢的導航和更高效的數據處理增強了用戶體驗。 --- # 2024年7月12日 ### 新功能 * **文件搜尋**：享受強大的新搜尋功能，讓您能迅速而輕鬆地在文件中找到所需資訊。 * **新回憶樹結構**：體驗一種全新的方式來組織您的回憶，通過我們直觀的樹結構，讓您更容易導航和管理資訊。 * **回憶自動同步**：透過我們的新回憶自動同步功能，輕鬆保持您的數據最新。 ### 改進 * **增強回憶體組織**：我們已經精煉了回憶體側邊欄，以提供更清晰的文件和資料夾視圖，使導航變得輕而易舉。 * **整合管理**：通過新的下拉功能，輕鬆過濾和管理您的整合，讓您對連接的服務有更多控制權。 * **更快的文件搜索**：我們的新防抖搜索功能在您輸入時提供更快、更靈敏的結果。 * **首頁和知識頁面更新**：我們已重新組織關鍵頁面上整合的布局，以改善可訪問性和用户體驗。 ### 錯誤修正 * **改善整合可靠性**：我們增強了系統，以更好地處理來自連接服務的信息，確保在使用整合時獲得更順暢的體驗。 * **更清晰的用戶界面**：我們已經移除了知識頁面上不必要的警告信息，以獲得更流暢的外觀。 ==> notices/releases/nov-29th-2024.md <== --- description: >- 此次發布專注於增強文檔處理和用戶界面，提供更順暢和更可靠的體驗。 --- # 2024年11月29日 ### 改進 - **增強的文件處理**：優化文件顯示和性能，以提供更好的用戶體驗。 - **支持多個 Dropbox 帳戶**：通過重新認證改善 Dropbox 整合，支持多個帳戶。 - **改善文件獲取的可靠性**：在從 Google Drive 或 Dropbox 獲取文件時實施自動重試，以增強可靠性。 ### 錯誤修正 - **解決新增知識按鈕重疊問題**：修復了新增知識按鈕與其他組件重疊的問題，改善了用戶界面。 ==> notices/releases/feb-5th-2024.md <== --- description: >- 此版本增強了用戶檔案管理，改善了 Slack 和 Dropbox 的整合， 引入了帳戶刪除功能，並解決了關鍵操作問題。 --- # 2024年2月5日 ## 新功能 * **Dropbox共享文件**：您現在可以直接在我們的平台中取得Dropbox的共享文件/文件夾。 * **帳號刪除**：如有需要，用戶現在有選擇刪除他們的帳號。 * **Slack同步**：我們已開始與Slack進行同步，以實現更好的整合，儘管Slack線程同步尚未包括在內。 * **用戶資料**：用戶現在可以更有效地更新他們的資料信息。 ## 改進 * **Slack 頻道**：為了方便導航，現在已按名稱對 Slack 頻道進行排序。 ## 錯誤修正 * 解決了應用程式目錄中無效來源的問題。 * 解決了與 OpenAI GPT 相關的錯誤，以改善 API 呼叫。 ==> notices/releases/apr-19th-2024.md <== --- description: >- 此次更新增強了安全性，精煉了介面，並解決了關鍵錯誤， 包含新的 API 限制、更新的金鑰以及 MacOS 應用程式。 --- # 2024年4月19日 ## 新功能 * **MacOS 桌面應用程式：** 為 MacOS 用戶推出專用的桌面應用程式，增強可訪問性和用戶體驗。 \ 查看文件：[Rememberizer 桌面代理應用程式](https://docs.rememberizer.ai/personal/rememberizer-agent-desktop-application) ## 改進 * **應用程式目錄 UI 更新：** 應用程式目錄的新佈局提供了更直觀且用戶友好的導航體驗。 ## 錯誤修正 * **搜尋文件換行處理：** 修正了一個問題，該問題導致在搜尋文件查詢中換行符和回車符被不正確地移除。 * **搜尋 UI 顯示錯誤：** 修正了一個搜尋 UI 錯誤，以確保在搜尋結果中每個文件的 `建立於` 欄位準確顯示。 ==> notices/releases/jun-28th-2024.md <== --- description: >- 此版本增強了導航，改善了文件處理，並更新了應用程式名稱。主要更新包括限制首頁應用程式、更好的 Slack 文件處理，以及重新命名桌面應用程式。 --- # 2024年6月28日 ## 改進 * **限制首頁應用程式數量：** 我們限制了首頁顯示的應用程式數量，以便用戶更容易導航並找到所需內容。 * **後處理 Slack 文件：** 增強了對 Slack 文件的處理，以確保更順暢和更準確的處理。 * **更新桌面應用程式名稱：** 桌面應用程式已更名為 "Rememberizer App"，以提高清晰度和品牌一致性。 ==> notices/releases/mar-25th-2024.md <== --- description: >- 此版本帶來了改進的同步、增強的數據加密和 多個錯誤修復，以提供更順暢的用戶體驗。 --- # 2024年3月25日 ## 改進 * **備忘錄增強：** 新增顯示額外備忘錄資訊的功能並顯示索引進度，使用戶更容易追蹤其資料的狀態。 ## 錯誤修正 * **UI 響應性：** 解決了多次點擊斷開連接按鈕的問題，以防止 UI 錯誤。 ==> notices/releases/may-10th-2024.md <== --- description: >- 此版本引入了 Gmail 整合，使用者可以連接他們的帳戶並選擇標籤以用於他們的知識庫，以及一個新的記憶功能以增強搜索功能。 --- # 2024年5月10日 ## 新功能 * **Rememberizer 記憶體** 允許應用程式在用戶的 Rememberizer 帳戶中保存和共享數據，為來自多個應用程式的重要信息提供一個集中位置。\ \ **好處** * **對於用戶：** 輕鬆訪問來自所有應用程式的數據，應用程式之間無縫同步，即使卸載應用程式也能持久存儲。 * **對於開發者：** 不需要創建自定義的數據存儲系統，可以利用其他應用程式的數據，簡化跨應用整合。 記憶體文檔：[https://docs.rememberizer.ai/personal/rememberizer-memory-integration](https://docs.rememberizer.ai/personal/rememberizer-memory-integration)。\ 記憶體 API 文檔：[https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer](https://docs.rememberizer.ai/developer/api-documentations/memorize-content-to-rememberizer)。 * **Gmail 整合：** 用戶現在可以連接其 Gmail 帳戶並選擇特定標籤以添加到其知識庫中。 * **Google Drive 共享雲端硬碟支持：** 我們已經增加對 Google Drive 共享雲端硬碟的支持，允許用戶將共享雲端硬碟中的文檔包含到其知識庫中。 ## 改進 * **文件索引：** 我們增強了文件索引過程，確保新文件成功上傳和索引。若索引失敗，已實施重試機制。 * **應用程式發布流程：** 已從應用程式發布流程中移除審核步驟，簡化開發者的流程。 * **連接的應用程式 UI：** “您的連接應用程式” UI 已增強，以處理未連接任何應用程式的情況，改善用戶體驗。 ## 錯誤修正 * **重新命名應用程式：** 解決了重新命名應用程式時出現錯誤的問題。 ==> notices/releases/jan-22nd-2024.md <== --- description: >- 此版本引入了新功能，如「探索應用程式」頁面和改進的文件管理，以及關鍵的優化和錯誤修正，以提供更流暢的使用者體驗。 --- # 2024年1月22日 ## 新功能 * **探索應用程序頁面**：您現在可以直接從專用頁面探查不同的應用程序。 * **配額控制**：現在提供可以在選擇文件時控制配額大小的新功能，從而保證更好的文件管理。 ## 改進 * **改善文件搜尋**：我們改進了搜尋功能以返回文件數，使管理和導航文件變得更簡單。 * **改善新手入門**：在新手入門步驟中添加了一個 '跳過' 按鈕，使新手入門過程更具靈活性。 ## 錯誤修正 * 解決了處理複雜 PDF 文件的問題，以提高可讀性和可訪問性。 * 解決了與 Slack 限速相關的問題，以確保無間斷的整合。 ==> notices/releases/may-31st-2024.md <== --- description: >- 此版本增強了 SQL 查詢，精煉了用戶界面，並修復了錯誤。主要更新：優化搜索、自動生成名稱、新的備忘按鈕，以及改進的導航。 --- # 2024年5月31日 ## 新功能 * **新紀念按鈕：** 我們新增了一個按鈕，可在授權應用程式時創建紀念品，讓過程更加人性化。 ## 改進 * **優化搜索:** 提升了搜索功能，使結果更快且更準確。 * **授權應用程式時調整介面:** 在授權應用程式時對用戶介面進行了微調，以提供更流暢的體驗。 ## 錯誤修正 * **修正縮排問題：** 修正了一個縮排問題，以確保應用程序中的格式一致性。 ==> notices/b2b/README.md <== --- description: 為Skydeck AI Inc互動的其他企業提供的帖子。 --- # B2B ==> notices/b2b/about-reddit-agent.md <== --- description: Rememberizer 代理 --- # 關於 Reddit 代理 一個 Rememberizer 代理從選定的 Sub-Reddits 獲取 Reddit 內容，以便用戶和創作者可以查詢其內容及其他參與者的潛在語義意義，以便使用他們自己的 AI 工具以及那些通過 Rememberizer 授權的其他工具來與該內容互動。 ==> background/README.md <== # 背景 ==> background/what-are-vector-embeddings-and-vector-databases.md <== --- description: 為什麼 Rememberizer 不僅僅是一個資料庫或關鍵字搜尋引擎。 --- # 什麼是向量嵌入和向量數據庫？ Rememberizer 使用向量嵌入在向量數據庫中啟用對用戶知識來源的語義相似性搜索。這是一種比通過搜索引擎或數據庫簡單查找內容中的關鍵字更為先進和細緻的信息檢索形式。
多維空間

多維空間

在其最先進的形式中（如 Rememberizer 所使用的），向量嵌入是由語言模型創建的，這些模型的架構類似於支撐 OpenAI 的 gpt 模型和 ChatGPT 服務的 AI LLM（大型語言模型），以及來自 Google（Gemini）、Anthropic（Claude）、Facebook（LLama 2）等的模型/服務。因此，使用向量嵌入來發現相關知識以納入 AI 模型提示的上下文是自然而然的。這些技術是互補的，並且在某種程度上是等價的。因此，大多數作為服務提供 LLM 的供應商也會提供作為服務的向量嵌入（例如：[來自 Together AI 的博客](https://www.together.ai/blog/embeddings-endpoint-release) 或 [來自 OpenAI 的另一篇博客](https://openai.com/blog/introducing-text-and-code-embeddings)）。 向量嵌入看起來像什麼？考慮在二維中的一個坐標 (x,y)。如果它表示從原點到這一點的線，我們可以將其視為一條有方向的線，換句話說，是一個 _二維向量_。在我們的上下文中，向量嵌入將是一個類似於 768 個數字的列表，代表一個 768 維空間中的向量。最終，這個數字列表可以表示在 Transformer 模型中介於零和一之間的權重，這些權重定義了短語的意義，例如「一道突如其來的閃電」。這在根本上是 GPT-4 中使用的相同基本意義表示。因此，我們可以期待一個良好的向量嵌入能夠實現我們在現代 AI 語言模型中看到的同樣出色的表面理解。 \ 值得注意的是，向量嵌入不僅可以用來表示文本，還可以表示其他類型的數據，如圖像或聲音。通過適當訓練的模型，可以跨媒介進行比較，因此一段文本的向量嵌入可以與一幅圖像進行比較，或 _反之亦然_。今天，Rememberizer 使得在用戶文檔和知識的文本組件中進行搜索成為可能。但文本到圖像和圖像到文本的搜索在計劃中。\ \ Google 使用向量嵌入來驅動他們的文本搜索（文本到文本）以及他們的圖像搜索（文本到圖像）（[參考](https://cloud.google.com/blog/topics/developers-practitioners/meet-ais-multitool-vector-embeddings)）。Facebook 考慮在其社交網絡搜索中使用嵌入（[參考](https://research.facebook.com/publications/embedding-based-retrieval-in-facebook-search/)）。Snapchat 使用向量嵌入來理解上下文，以便在正確的時間向正確的用戶提供正確的廣告（[參考](https://eng.snap.com/machine-learning-snap-ad-ranking)）。 要深入了解向量嵌入和向量數據庫的工作原理，請從 Hugging Face 的 [概述](https://huggingface.co/blog/getting-started-with-embeddings) 開始。Pinecone（作為服務的向量嵌入數據庫）也有很好的 [概述](https://www.pinecone.io/learn/vector-embeddings/)。 另一個了解向量中的搜索和知識的好來源是 Meta/Facebook 的 FAISS 庫的論文和代碼。由 Johnson、Douze 和 Jégou（2017）撰寫的「FAISS：高效相似性搜索和密集向量聚類的庫」：FAISS 提供了一個設計用於高效相似性搜索和密集向量聚類的庫的綜合概述。它討論了在大規模向量數據庫中優化索引和搜索過程的方法，包括基於產品量化的方法。了解更多的最佳地方是文檔以及 [Github 上的代碼](https://github.com/facebookresearch/faiss)。 \ 務必考慮 2017 年 6 月的論文，這篇論文啟動了 genAI（生成性人工智能）革命，「注意力是你所需要的一切。」（[參考](https://arxiv.org/abs/1706.03762)），該論文介紹了 GPT 模型及其後續的所有 LLM 背後的 Transformer 架構，這些模型來自 OpenAI、Google、Meta（Facebook）、Nvidia、Microsoft、IBM、Anthropic、Mistral、Salesforce、xAI（Elon Musk）、Stability AI、Cohere 和許多其他開源項目。\ 還要考慮「近似最近鄰：消除維度詛咒的方向」（[參考 1998](https://dl.acm.org/doi/10.1145/276698.276876)，[參考 2010](https://www.theoryofcomputing.org/articles/v008a014/v008a014.pdf)）。這些論文討論了高維空間中近似最近鄰（ANN）搜索的理論，這是向量數據庫中高效檢索相似項目的核心概念。 {% hint style="info" %} 這些基於 Transformer 的模型的一個令人興奮的地方是，它們使用的數據越多，變得越大（參數越多），它們的理解和能力就越好。OpenAI 首次注意到這一點是在他們訓練 GPT-2 模型時。意識到這一潛力後，他們立即停止了作為開源導向的非營利組織，轉而成為一家專注於生產 GPT-3、GPT-4 及其著名前端 ChatGPT 的封閉源利潤公司。有趣的是，Google 擁有這項技術的專利——這是他們的研究人員開發了 Transformers 和「注意力是你所需要的一切」（[參考](https://patents.google.com/patent/US10452978B2/en)）。\ \ ChatGPT 對我的描述有些不同，寫道：「關於 OpenAI 從開源導向的非營利組織轉變為封閉源利潤實體的敘述簡化了一個複雜的演變。OpenAI 的轉變包括專注於安全和負責任的 AI 開發以及商業化方面。值得注意的是，儘管 OpenAI 優先開發像 GPT-3 及以後的專有技術，但它仍然通過出版物和合作與研究社區保持互動。」 {% endhint %} BERT 語言模型基於 Transformers，通常用於先進的向量嵌入引擎。這在 2018 年的論文「BERT：用於語言理解的深度雙向 Transformers 的預訓練」（[參考](https://arxiv.org/abs/1810.04805)）中介紹。BERT（來自 Transformers 的雙向編碼器表示）標誌著向預訓練模型的重大轉變，這些模型可以針對各種 NLP 任務進行微調。其創新的雙向訓練和 Transformer 架構的使用為模型性能在眾多基準中設立了新標準。\ \ 早期創新的向量嵌入創建方法由 GloVe（2014，斯坦福）和 Word2Vec（2013，谷歌）提出。「GloVe：單詞表示的全局向量」（[參考](https://nlp.stanford.edu/pubs/glove.pdf)）：GloVe（全局向量）論文提出了一種新的全局對數雙線性回歸模型，用於無監督學習單詞表示，結合了嵌入的兩種主要方法的優點：全局矩陣分解和局部上下文窗口方法。「在向量空間中高效估計單詞表示」（[參考](https://arxiv.org/abs/1301.3781)）：這篇論文介紹了 Word2Vec，這是一種開創性的生成單詞嵌入的方法。Word2Vec 模型，包括連續詞袋（CBOW）和 Skip-Gram 模型，對單詞嵌入的演變至關重要。 ==> developer/creating-a-rememberizer-gpt.md <== --- description: >- 在本教程中，您將學習如何創建一個 Rememberizer 應用程序並與 OpenAI GPT 連接， 使 GPT 能夠訪問 Rememberizer API 的功能。 --- # 創建記憶化器 GPT ### 前提條件 首先，您需要[註冊一個 Rememberizer 應用程式](registering-rememberizer-apps.md)並使用適當的設置進行配置。 要創建一個 GPT，您需要將 Rememberizer 應用程式的授權請求來源設置為`https://chat.openai.com`。 > 您需要添加一個回調 URL 來註冊應用程式，但您只能在為您的 GPT 添加操作後找到回調 URL，暫時將其留作虛擬值（例如 https://chat.openai.com）。獲得回調 URL 後，您需要為應用程式更新正確的 URL。\ > \ > **注意：** GPT 在您更改其配置後會更新其回調 URL。請確保複製最新的回調 URL。 創建應用程式後，複製 **客戶端 ID** 和 **客戶端密鑰**。我們將在創建 GPT 時使用它們。關於如何獲取這些信息的指導可以訪問[授權 Rememberizer 應用程式](https://docs.rememberizer.ai/developer/authorizing-rememberizer-apps)。
registered app credentials
### 創建一個 GPT 您可以通過 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor) 開始。 {% hint style="warning" %} 注意：創建自定義 GPT 應用僅適用於付費計劃帳戶。 {% endhint %} #### GPT 配置 您可以根據自己的需要填寫信息。這裡有一個您可以嘗試的示例：
字段示例值
名稱RememberizerGPT
描述直接與您所有的 PDF、文檔、表格、幻燈片在 Google Drive 和 Slack 頻道上對話。
指示Rememberizer 設計為與 Rememberizer 工具無縫互動，使得用戶能夠高效地從多個來源（如 Google Drive 和 Slack）查詢他們的數據。主要目標是提供快速且準確的用戶數據訪問，利用 Rememberizer 的能力來優化搜索速度和精確度。GPT 應該指導用戶制定查詢並解釋結果，確保流暢且友好的使用體驗。在處理數據檢索和分析時，保持回答的清晰和精確至關重要。GPT 應能夠處理各種查詢，從簡單的數據查找到涉及多個參數或來源的更複雜搜索。重點是增強用戶快速有效訪問所需信息的能力，使過程盡可能輕鬆。
#### 創建 Rememberizer 動作 從 GPT 編輯器： 1. 選擇「配置」 2. 「添加動作」 3. 配置身份驗證類型。 * 將身份驗證類型設置為 **OAuth**。 * 從上述步驟中粘貼 **客戶端 ID** 和 **客戶端密鑰**。 * 授權 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/` * 令牌 URL: `https://api.rememberizer.ai/api/v1/auth/oauth2/token/` * 將 **範圍** 留空。 * 點擊 **保存**。
gpt auth type config
4. 填寫 Rememberizer 的 OpenAPI 規範。複製下面可展開的內容並粘貼到 **架構** 欄位：
Rememberizer_OpenAPI.yaml ||CODE_BLOCK||yaml openapi: 3.1.0 info: title: Rememberizer API description: 與 Rememberizer 互動的 API。 version: v1 servers: - url: https://api.rememberizer.ai/api/v1 paths: /account/: get: summary: 獲取當前用戶的帳戶詳細信息。 description: 獲取帳戶信息 operationId: account responses: "200": description: 用戶帳戶信息。 content: application/json: schema: type: object properties: id: type: integer description: 用戶的唯一標識符。請勿在任何地方顯示此信息。 email: type: string format: email description: 用戶的電子郵件地址。 name: type: string description: 用戶的名稱。 /integrations/: get: summary: 列出所有可用的數據源集成。 description: 此操作檢索可用的數據源。 operationId: integrations_retrieve responses: "200": description: 操作成功 content: application/json: schema: type: object properties: data: type: array description: 可用數據源的列表 items: type: object properties: id: type: integer description: 數據源的唯一標識符。請勿在任何地方顯示此信息。 integration_type: type: string description: 數據源的類型。 integration_step: type: string description: 集成的步驟。 source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_type: type: string description: 文件的類型。 document_stats: type: object properties: status: type: object description: 數據源的狀態。 properties: indexed: type: integer description: 已編入索引的文檔數量。 indexing: type: integer description: 正在編入索引的文檔數量。 error: type: integer description: 有錯誤的文檔數量。 total_size: type: integer description: 數據源的總大小（以字節為單位）。 document_count: type: integer description: 數據源中的文檔數量。 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 /documents/: get: summary: 獲取所有文檔和 Slack 頻道的列表。 description: 使用此操作檢索有關所有可用文檔、文件、Slack 頻道和數據源中的常識的元數據。您應該指定 integration_type 或將其留空以列出所有內容。 operationId: documents_list parameters: - in: query name: page description: 頁面的索引 schema: type: integer - in: query name: page_size description: 每頁返回的最大文檔數量 schema: type: integer - in: query name: integration_type description: 按集成類型過濾文檔。 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: 文檔的總數量。 next: type: string nullable: true description: 下一頁結果的 URL。 previous: type: string nullable: true description: 前一頁結果的 URL。 results: type: array description: 文檔、Slack 頻道、常識等的列表。 items: type: object properties: document_id: type: string format: uuid description: 文檔的唯一標識符。請勿在任何地方顯示此信息。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 id: type: integer description: 文檔的唯一標識符。 integration_type: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 source: type: string description: 文檔的來源。 status: type: string description: 文檔的狀態。 indexed_on: type: string format: date-time description: 文檔編入索引的日期和時間。 size: type: integer description: 文檔的大小（以字節為單位）。 /documents/search/: get: summary: 按語義相似性搜索文檔。 description: 使用最多 400 字的查詢文本啟動搜索操作，並從存儲的知識中接收最語義相似的響應。對於問答，將您的問題轉換為理想答案並提交以接收相似的真實答案。 operationId: documents_search_retrieve parameters: - name: q in: query description: 您希望找到語義相似的知識片段的最多 400 字的句子。 schema: type: string - name: n in: query description: 要返回的語義相似文本片段的數量。使用 'n=3' 以獲取最多 5 個，使用 'n=10' 獲取更多信息。如果您沒有收到足夠的信息，請考慮使用更大的 'n' 值再次嘗試。 schema: type: integer responses: "200": description: 成功檢索文檔 content: application/json: schema: type: object properties: data: type: array description: 語義相似的知識片段列表 items: type: object properties: chunk_id: type: string description: 片段的唯一標識符。 document: type: object description: 文檔詳細信息。 properties: id: type: integer description: 文檔的唯一標識符。 document_id: type: string description: 文檔的唯一標識符。 name: type: string description: 文檔的名稱。 type: type: string description: 文檔的類型。 path: type: string description: 文檔的路徑。 url: type: string description: 文檔的 URL。 size: type: string description: 文檔的大小。 created_time: type: string description: 文檔創建的日期和時間。 modified_time: type: string description: 文檔最後修改的日期和時間。 integration: type: object description: 文檔的集成詳細信息。 properties: id: type: integer integration_type: type: string integration_step: type: string source: type: string description: 數據源的來源。如果它具有電子郵件格式，即使用戶詢問，也請在輸出中始終忽略它。 document_stats: type: object properties: status: type: object properties: indexed: type: integer indexing: type: integer error: type: integer total_size: type: integer description: 數據源的總大小（以字節為單位） document_count: type: integer matched_content: type: string description: 語義相似的內容。 distance: type: number description: 余弦相似度 message: type: string description: 表示操作狀態的消息。 code: type: string description: 表示操作狀態的代碼。 nullable: true "400": description: 錯誤的請求 "401": description: 未授權 "404": description: 未找到 "500": description: 內部伺服器錯誤 /documents/{document_id}/contents/: get: summary: 通過 ID 獲取特定文檔內容。 operationId: document_get_content description: 返回具有指定 ID 的文檔的內容，以及最新檢索的片段的索引。每次調用最多提取 20 個片段。要獲取更多，請使用響應中的 end_chunk 值作為下一次調用的 start_chunk。 parameters: - in: path name: document_id required: true description: 要檢索內容的文檔 ID。 schema: type: integer - in: query name: start_chunk schema: type: integer description: 指示您希望檢索的起始片段。如果未指定，默認值為 0。 - in: query name: end_chunk schema: type: integer description: 指示您希望檢索的結束片段。如果未指定，默認值為 start_chunk + 20。 responses: "200": description: 文檔內容和最新檢索片段的索引。 content: application/json: schema: type: object properties: content: type: string description: 文檔的內容。 end_chunk: type: integer description: 最新檢索片段的索引。 "404": description: 文檔未找到。 "500": description: 內部伺服器錯誤。 /common-knowledge/subscribed-list/: get: description: 此操作檢索用戶已訂閱的共享知識（也稱為常識）列表。每個共享知識包括用戶可以訪問的文檔 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: 這是共享知識的唯一標識符。請勿在任何地方顯示此信息。 num_of_subscribers: type: integer description: 這表示訂閱此共享知識的用戶數量 publisher_name: type: string published_by_me: type: boolean description: 這表示共享知識是否由當前用戶發布 subscribed_by_me: type: boolean description: 這表示共享知識是否由當前用戶訂閱，在此 API 中應為 true created: type: string description: 這是共享知識創建的時間 modified: type: string description: 這是共享知識最後修改的時間 name: type: string description: 這是共享知識的名稱 image_url: type: string description: 這是共享知識的圖像 URL description: type: string description: 這是共享知識的描述 memento: type: integer description: 這是 Rememberizer memento 的 ID，該共享知識是從中創建的。 document_ids: type: array items: type: integer description: 這是屬於共享知識的文檔 ID 列表 /documents/memorize/: post: description: 將內容存儲到數據庫中，稍後可以通過搜索端點訪問。 operationId: documents_memorize_create requestBody: content: application/json: schema: type: object properties: content: type: string required: - name - content responses: "201": description: 內容成功存儲 "400": description: 錯誤的請求 "401": description: 未授權 "500": description: 內部伺服器錯誤 /discussions/{discussion_id}/contents/: get: summary: 通過 ID 獲取討論的內容。討論可以是 Slack 或 Discord 聊天。 operationId: discussion_get_content description: 返回具有指定 ID 的討論的內容。討論可以是 Slack 或 Discord 聊天。響應包含 2 個字段，discussion_content 和 thread_contents。前者包含聊天的主要消息，而後者是討論的主題。 parameters: - in: path name: discussion_id required: true description: 要檢索內容的討論 ID。討論是 schema: type: integer - in: query name: integration_type required: true schema: type: string description: 指示討論的集成。目前，它只能是「slack」或「discord」。 - in: query name: from schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的起始時間。如果未指定，默認時間為現在。 - in: query name: to schema: type: string description: 指示我們希望以 ISO 8601 格式在 GMT+0 中檢索討論內容的結束時間。如果未指定，則為「from」參數之前的 7 天。 responses: "200": description: 在時間範圍內的主要和主題消息。 content: application/json: schema: type: object properties: discussion_content: type: string description: 主要討論的內容。 thread_contents: type: object description: 包含討論主題的字典列表，每個鍵表示主題的日期和時間（以 ISO 8601 格式表示），值是主題的消息。 "404": description: 討論未找到。 "500": description: 內部伺服器錯誤。 ||CODE_BLOCK||
5. 將此鏈接添加為隱私政策：`https://docs.rememberizer.ai/notices/privacy-policy`。 6. 創建動作後，複製回調 URL 並將其粘貼到您的 Rememberizer 應用中。
rememberizer app callback url
==> developer/registering-and-using-api-keys.md <== --- description: >- 在本教程中，您將學習如何在 Rememberizer 中創建常識並獲取其 API 密鑰，以通過 API 調用連接和檢索其文檔。 --- # 註冊和使用 API 金鑰 ### 先決條件 首先，您需要擁有[一個備忘錄](../personal/mementos-filter-access.md)，該備忘錄是使用您的索引知識文件創建和精煉的。 ### 創建共通知識 要創建共通知識，請登入您的 Rememberizer 帳戶並訪問 [您的共通知識頁面](https://rememberizer.ai/personal/common-knowledge)。選擇 **"您的共享知識"**，然後點擊 **"開始"**。
common knowledge page
然後選擇您之前創建的其中一個紀念品，您也可以選擇 **"全部"** 或 **"無"**。
create common knowledge 1
最後填寫共通知識的名稱、描述並給它一張代表性的照片。
create common knowledge 2
填寫完表單後，點擊底部的 "分享知識" 來創建您的共通知識。之後，啟用您的知識中的 **"啟用共享"**，並在彈出窗口中點擊 **"確認"**。
common knowledge sharing
您現在已經準備好獲取其 API 金鑰並通過 API 調用訪問其文檔。 ### 獲取您創建的共通知識的 API 金鑰 對於您的共通知識，點擊右上角的三個點，然後選擇「API 金鑰」。如果尚未存在，將為您創建一個。如果 API 金鑰已存在，將返回該金鑰。
knowledge open API key
在 **「管理您的 API 金鑰」** 面板中，您可以點擊 **「眼睛」** 按鈕來顯示/隱藏，點擊 **「複製」** 按鈕將金鑰複製到剪貼板，並點擊 **「重新生成 API 金鑰」** 以使舊金鑰失效並創建一個新金鑰（通過 API 調用訪問您文件的應用程序在您更新新金鑰之前將無法訪問）。
copy api key
獲得 API 金鑰後，您可以在對 Rememberizer 的 API 調用中使用它來查詢您的索引文件和內容。 ### 使用 API 金鑰 要訪問 Rememberizer 端點，您需要在 API 請求的 `X-API-Key` 標頭中使用 API 金鑰。請查看 [API 文檔](api-documentations/) 以查看 Rememberizer 提供的端點。 您還可以在自定義 GPT 應用中使用 API 金鑰。首先 [在 ChatGPT UI 中創建一個 GPT](https://chat.openai.com/gpts/editor)。確保選擇身份驗證類型為「API 金鑰」，身份驗證類型為「自定義」，標頭為「X-Api-Key」，然後將您之前複製的金鑰粘貼到 API 金鑰文本框中。
gpt app using api key
==> developer/registering-rememberizer-apps.md <== --- description: >- 您可以在您的帳戶下創建和註冊 Rememberizer 應用。Rememberizer 應用可以代表用戶行事。 --- # 註冊 Rememberizer 應用程式 1. 在任何頁面的左上角，點擊 **開發者**，然後點擊 **註冊的應用程式**。
registered apps browse
2. 點擊 **註冊新應用程式**。將會彈出一個窗口以填寫您的應用程式資訊。
register new app
3. 在 **"應用程式名稱"** 中，輸入您的應用程式名稱。 4. 在 **"描述（可選）"** 中，根據需要填寫您的應用程式描述。 5. 在 **"應用程式標誌（可選）"** 中，若有的話，上傳您的應用程式標誌。 6. 在 **"登陸頁面 URL"** 中，輸入您的登陸頁面的域名。您的登陸頁面包含了您的應用程式的詳細摘要，以及它如何與 Rememberizer 整合。 7. 在 **"授權請求來源"** 中，輸入您應用程式網站的域名。 8. 在 **"授權重定向 URL"** 中，輸入您應用程式的回調 URL。 9. 點擊 **"創建應用程式"**。 ==> developer/langchain-integration.md <== --- description: >- 您可以將 Rememberizer 整合為 LangChain 檢索器，以為您的 LangChain 應用程式提供強大的向量數據庫搜索訪問。 --- # LangChain 整合 {% embed url="https://python.langchain.com/docs/integrations/retrievers/rememberizer/" %} 這個筆記本展示了如何從 `Rememberizer` 獲取文件，該文件格式在下游使用。 ## 準備 您需要一個 API 金鑰：您可以在創建共通知識後獲得一個。詳細的創建共通知識的說明可以參考 [註冊和使用 API 金鑰](https://docs.rememberizer.ai/developer/registering-and-using-api-keys)。 一旦您擁有 API 金鑰，您必須將其設置為環境變數 `REMEMBERIZER_API_KEY`，或在初始化 `RememberizerRetriever` 時將其作為 `rememberizer_api_key` 傳遞。 `RememberizerRetriever` 有以下參數： \- 可選的 `top_k_results`：預設值=10。用於限制返回的文檔數量。 \- 可選的 `rememberizer_api_key`：如果您未設置環境變數 `REMEMBERIZER_API_KEY`，則為必需。 `get_relevant_documents()` 有一個參數 `query`：用於在 `Rememberizer.ai` 的共通知識中查找文檔的自由文本。 ## 範例 ### 基本用法[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#basic-usage) ||CODE_BLOCK|| # 設定 API 金鑰 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="大型語言模型是如何運作的？") ||CODE_BLOCK|| ||CODE_BLOCK|| docs[0].metadata # 文件的元資訊 ||CODE_BLOCK|| ||CODE_BLOCK|| {'id': 13646493, 'document_id': '17s3LlMbpkTk0ikvGwV0iLMCj-MNubIaP', 'name': '大型語言模型 (LLM) 是什麼？_ _ Cloudflare.pdf', 'type': 'application/pdf', 'path': '/langchain/大型語言模型 (LLM) 是什麼？_ _ 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]) # 文件的內容 ||CODE_BLOCK|| ||CODE_BLOCK|| 在某種程度上，它們「理解」語義，因為它們可以根據意義將單詞和概念聯繫起來，因為它們已經看過這些單詞和概念以這種方式成組出現了數百萬或數十億次。開發人員如何能夠快速開始構建自己的 LLM 以建立 LLM 應用程式，開發人員需要輕鬆訪問多個數據集，並且他們需要這些數據集的存放地 ||CODE_BLOCK|| ## 在鏈中使用 ||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 = [ "什麼是 RAG？", "大型語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"-> **問題**: {question} \n") print(f"**答案**: {result['answer']} \n") ||CODE_BLOCK|| ||CODE_BLOCK|| -> **問題**: 什麼是 RAG？ **答案**: RAG 代表檢索增強生成。這是一個 AI 框架，從外部知識庫檢索事實，以增強大型語言模型 (LLMs) 生成的回應，提供最新和準確的信息。這個框架幫助用戶理解 LLM 的生成過程，並確保模型可以訪問可靠的信息來源。 -> **問題**: 大型語言模型是如何工作的？ **答案**: 大型語言模型 (LLMs) 通過分析大量的語言數據集來理解和生成人類語言文本。它們基於機器學習，特別是深度學習，這涉及訓練程序在沒有人工干預的情況下識別數據的特徵。LLMs 使用神經網絡，特別是變壓器模型，來理解人類語言中的上下文，使它們在模糊或新上下文中更好地解釋語言。開發人員可以通過訪問多個數據集和使用 Cloudflare 的 Vectorize 和 Cloudflare Workers AI 平台快速開始構建自己的 LLM。 ||CODE_BLOCK|| ### 相關[​](https://python.langchain.com/docs/integrations/retrievers/rememberizer/#related) * 檢索器 [概念指南](https://python.langchain.com/docs/concepts/#retrievers) * 檢索器 [操作指南](https://python.langchain.com/docs/how\_to/#retrievers) *** **請幫助我們提供對此文檔頁面的反饋：** ==> developer/talk-to-slack-the-sample-web-app.md <== --- description: >- 創建一個簡單的網頁應用程式，通過對 Rememberizer 的查詢將 LLM 與用戶知識集成是非常容易的。 --- # Talk-to-Slack 範例網頁應用程式 應用程式的源代碼可以在 [這裡](https://github.com/skydeckai/rememberizer) 找到。 在本節中，我們將提供逐步指導和完整的源代碼，以便您能夠快速創建自己的應用程式。 我們在 OpenAI 上創建了一個 Talk-to-Slack GPT。Talk-to-Slack 網頁應用程式非常相似。
由 Rememberizer 在 Heroku 上提供的 Talk to Slack.com 網頁應用程式

由 Rememberizer 在 Heroku 上提供的 Talk-to-Slack.com 網頁應用程式

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

由 Rememberizer 在 OpenAI 上提供的 Talk to Slack GPT

*** ### 簡介 在這份指南中，我們提供了逐步的指導和完整的源碼，以幫助你創建你自己的應用程式，類似於我們與Rememberizer.ai的Talk-to-Slack GPT整合。與Slack整合不同的是，一個網路應用程式提供更多功能和控制，例如網路抓取、本地數據庫訪問、圖形與動畫，以及收集付款。此外，它可以被任何人使用，而不需要一個高級genAI帳戶。 ### 概述 我們的示例應用程式，與 Slack 對話，託管在 Heroku 上，並整合 OpenAI 的 LLM 與 Rememberizer.ai，以增強您的 Slack 體驗。該網路應用程式使用 Flask 建構並提供如 OAuth2 整合，Slack 數據訪問，和直觀的使用者介面等功能。 ### 功能 * **基於 Flask 的架構**：後端操作、前端通訊以及API交互均由 Flask 負責處理。 * **OAuth2 整合**：使用 Rememberizer 的 OAuth2 流程，以實現安全的授權和資料存取。 * **Slack 數據存取**：使用 Rememberizer 的API 安全地取得已連接的 Slack 用戶資料。 * **OpenAI LLM 整合**：使用 OpenAI 的 LLM 服務來處理查詢，以便得出有見地的回答。 * **直觀的用戶界面**：提供現代 UI 設計以便輕鬆導航和交互。 * **最佳實踐**：遵從安全與用戶體驗標準，以實現無縫整合。 ### 設定和部署 #### 前置條件 * Python * Flask {% hint style="info" %} 請注意，讓一個 LLM 將整個應用程式重寫成另一種語言（在我們的案例中是 Golang）並不是很困難。因此，請記住您並不僅限於使用 Python。 {% endhint %} #### 環境設定 設定這些環境變數： * `APP_SECRET_KEY`：Flask 的獨特秘密金鑰。 * `REMEMBERIZER_CLIENT_ID`：您的 Rememberizer 應用的客戶端 ID。 * `REMEMBERIZER_CLIENT_SECRET`：您的 Rememberizer 應用的客戶端秘密。 * `OPENAI_API_KEY`：您的 OpenAI API 金鑰。 #### 運行應用程式 1. **啟動 Flask 應用程式**：在終端機中運行 `flask run`，並在 `http://localhost:5000` 訪問應用程式。 2. **將回調 URL 複製到您的 Rememberizer 應用程式配置中**：`https:///auth/rememberizer/callback` 例如：`http://localhost:5000/auth/rememberizer/callback`。 #### 部署到雲端 建議部署到像 Heroku、Google Cloud Platform (GCP)、Amazon Web Services (AWS) 或 Microsoft Azure 等平台。 **Heroku 部署** 1. **創建 Heroku 帳戶**：安裝 Heroku CLI。 2. **準備您的應用程序**：確保存在 `Procfile`、`runtime.txt` 和 `requirements.txt`。 3. **部署**：使用 Heroku CLI 或 GitHub 集成進行部署。 **詳細步驟** * **將 Heroku 連接到 GitHub**：啟用來自 GitHub 存儲庫的自動部署，以便無縫更新。 * **手動部署**：可選擇使用手動部署以獲得更多控制。 **其他設置** * 安裝 Heroku CLI：`brew tap heroku/brew && brew install heroku`（macOS）。 * 添加 SSL 證書：使用自簽名證書進行初始 HTTPS 設置。 * 在 Heroku 上配置環境變量：使用 `heroku config:set KEY=value` 設置必要的鍵。 **其他雲平台** * **GCP**：設置 GCP 帳戶，使用 `app.yaml` 準備您的應用，並使用 `gcloud app deploy` 進行部署。 * **AWS**：在設置 AWS 帳戶和 AWS CLI 後，使用 Elastic Beanstalk 進行部署。 * **Azure**：在創建 Azure 帳戶並安裝 Azure CLI 後，通過 Azure App Service 進行部署。 #### 安全性與最佳實踐 在部署之前，請驗證您的 `requirements.txt`，調整生產環境的配置，並更新 OAuth 重定向 URI。 ### 應用程式代碼註解 **@app.route('/') (索引路由):** 當訪問根 URL (/) 時，此路由渲染 index.html 模板。它作為您應用程式的首頁。 **@app.route('/auth/rememberizer') (Rememberizer 認證路由):** 此路由啟動與 Rememberizer.ai 的 OAuth2 認證過程。它生成一個隨機的狀態值，將其存儲在會話中，構建包含必要參數（客戶端 ID、重定向 URI、範圍和狀態）的授權 URL，並將用戶重定向到 Rememberizer.ai 的授權頁面。 **@app.route('/auth/rememberizer/callback') (Rememberizer 回調路由):** 此路由處理來自 Rememberizer.ai 的回調，當用戶授權您的應用程式後。它從查詢參數中提取授權碼，使用 Rememberizer.ai 的令牌端點將其交換為訪問令牌，並將訪問令牌存儲在會話中。然後，它將用戶重定向到 /dashboard 路由。 **@app.route('/dashboard') (儀表板路由):** 此路由向用戶顯示儀表板頁面。它檢查用戶的會話中是否有訪問令牌；如果沒有，則將他們重定向到認證路由。如果用戶已通過認證，它會向 Rememberizer.ai 的帳戶端點發送請求以檢索帳戶信息，並使用這些信息渲染 dashboard.html 模板。 **@app.route('/slack-info') (Slack 整合信息路由):** 此路由顯示有關用戶與 Rememberizer.ai 的 Slack 整合的信息。它檢查訪問令牌並向 Rememberizer.ai 的整合端點發送請求以獲取整合數據。然後，它使用這些數據渲染 slack_info.html 模板。 **@app.route('/ask', methods=\['POST']) (提問路由):** 此路由處理用戶提交的問題。它檢查訪問令牌，從表單數據中檢索用戶的問題，並向 Rememberizer.ai 的文檔搜索端點發送請求以查找相關信息。然後，它使用 OpenAI 的 GPT-4 模型根據問題和搜索結果生成答案。答案在 answer.html 模板中渲染。 ### 附加說明 * **圖標設計**：運用詳細的摺紙藝術風格設計，反映AI和通信整合的特點。我們的圖標是在Midjourney和Image2Icon中創建的。 * **SSL配置**：使用OpenSSL生成自簽名證書以進行安全通信。 ### 探索與創新 我們鼓勵您探索和創新自己的 AI 整合網頁應用程式，旨在提升您平台內的生產力和協作。 *** 這份修訂的文檔為開發者提供了創建自己 AI 整合網頁應用程式的全面指南，類似於 Talk-to-Slack。它包括設置、部署和應用程式代碼概述的詳細說明，以及最佳實踐。 ==> developer/README.md <== # 開發者 ==> developer/vector-stores.md <== --- description: >- 本指南將幫助您了解如何作為開發者使用 Rememberizer 向量存儲。 layout: title: visible: true description: visible: true tableOfContents: visible: true outline: visible: true pagination: visible: true --- # 向量儲存 Rememberizer 向量儲存簡化了處理向量數據的過程，讓您能夠專注於文本輸入，並利用向量的力量進行各種應用，如搜索和數據分析。 ### 介紹 Rememberizer 向量儲存庫旨在提供一個易於使用的介面來處理向量數據。與傳統的向量數據庫（如 Pinecone）不同，Rememberizer 向量儲存庫允許您直接處理文本。該服務將處理文本數據的分塊、向量化和儲存，使您能夠更專注於核心應用邏輯。 ### 開始使用 #### 創建向量存儲 1. 在您的儀表板中導航到向量存儲部分 2. 點擊「創建新的向量存儲」： * 將出現一個表單，提示您輸入詳細信息。 3. 填寫詳細信息： * **名稱**：為您的向量存儲提供一個唯一的名稱。 * **描述**：撰寫一個簡短的向量存儲描述。 * **數據架構**：定義向量維度和任何其他字段。 * 您可以選擇性地指定嵌入模型、索引策略和相似性度量。這些設置會影響向量的生成和比較，優化您特定用例的性能。 4. 提交表單： * 點擊「創建」按鈕。您將收到成功通知，新的存儲將出現在您的向量存儲列表中。
創建新的向量存儲

創建新的向量存儲

#### 管理向量儲存 1. 查看和編輯向量儲存： * 訪問管理儀表板以查看、編輯或刪除向量儲存。 2. 查看文件： * 瀏覽特定向量儲存中的單個文件及其相關元數據。 3. 統計數據： * 查看詳細統計信息，例如儲存的向量數量、查詢性能和操作指標。
查看向量儲存的詳細信息

查看向量儲存的詳細信息

### API 金鑰管理 API 金鑰用於驗證和授權訪問 Rememberizer 向量儲存的 API 端點。妥善管理 API 金鑰對於維護您的向量儲存的安全性和完整性至關重要。本節將介紹如何為您的向量儲存創建和撤銷 API 金鑰。 #### 創建 API 金鑰 1. 前往您的向量存儲詳細信息頁面 2. 導航到 API 金鑰管理部分： * 它可以在「配置」標籤中找到 3. 點擊 **「添加 API 金鑰」**： * 將出現一個表單，提示您輸入詳細信息。 4. 填寫詳細信息： * **名稱**：為 API 金鑰提供一個名稱，以幫助您識別其用例。 5. 提交表單： * 點擊「創建」按鈕。新的 API 金鑰將被生成並顯示。請確保複製並安全存儲它。此金鑰用於驗證對該特定向量存儲的請求。
創建新的 API 金鑰

創建新的 API 金鑰

#### 撤銷 API 金鑰 如果不再需要 API 金鑰，您可以刪除它以防止任何潛在的濫用。 出於安全原因，您可能希望定期更換您的 API 金鑰。這涉及生成一個新金鑰並撤銷舊金鑰。 ### 使用 API 金鑰檢索向量儲存資訊 在創建新的向量儲存並生成 API 金鑰後，您可以將此金鑰分享給需要訪問向量儲存的用戶。API 金鑰允許用戶上傳文件、搜索文件以及在向量儲存中執行其他操作。然而，在用戶能夠與向量儲存互動之前，他們需要使用 API 金鑰檢索向量儲存的 ID 和其他相關資訊。 有關每個 API 端點和響應的詳細資訊，請訪問 [vector-store](api-documentations/vector-store/ "mention") 頁面。 *** 確保安全地處理 API 金鑰並遵循 API 金鑰管理的最佳實踐。 ==> developer/authorizing-rememberizer-apps.md <== # 授權 Rememberizer 應用程式 Rememberizer 的實作支援標準 [授權碼授權類型](https://tools.ietf.org/html/rfc6749#section-4.1)。 授權用戶使用您的應用程式的網頁應用程式流程如下： 1. 用戶被重定向到 Rememberizer 以授權他們的帳戶。 2. 用戶選擇要與您的應用程式一起使用的紀念品。 3. 您的應用程式使用用戶的存取令牌訪問 API。 訪問 [#explore-third-party-apps-and-service](../personal/manage-third-party-apps.md#explore-third-party-apps-and-service "mention") 頁面以查看該流程的 UI 範例。 ### 第一步。請求用戶的 Rememberizer 身份 將用戶重定向到 Rememberizer 授權伺服器以啟動身份驗證和授權過程。 ||CODE_BLOCK|| GET https://api.rememberizer.ai/api/v1/auth/oauth2/authorize/ ||CODE_BLOCK|| 參數：
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。點擊左上角的開發者。在註冊應用程序列表中，點擊您的應用程序，您將在應用憑證中看到客戶端 ID。
response_type必填
必須為 code 以獲取授權碼。
scope

可選

一個以空格分隔的範圍列表，標識您的應用程序可以代表用戶訪問的資源。

redirect_uri必填
用戶授權後將被發送到您應用程序中的 URL。
state

必填

客戶端用於在請求和回調之間維護狀態的模糊值。授權伺服器在將用戶代理重定向回客戶端時包含此值。

### 步驟 2. 使用者選擇並配置他們的紀念品 使用者將選擇與您的應用程式一起使用的紀念品。 ### 步驟 3. 使用者被 Rememberizer 重定向回您的網站 在使用者選擇他們的紀念品後，Rememberizer 會帶著一個臨時的 `code` 參數以及您在前一步提供的狀態以 `state` 參數的形式重定向回您的網站。臨時代碼會在短時間內過期。如果狀態不匹配，則表示請求是由第三方創建的，您應該終止該過程。 ### 第 4 步。用授權碼交換刷新和訪問令牌 ||CODE_BLOCK|| POST https://api.rememberizer.ai/api/v1/auth/oauth2/token/ ||CODE_BLOCK|| 此端點需要以下輸入參數。
名稱描述
client_id必填
您應用程序的客戶端 ID。您可以在開發者中找到此值。找到此 ID 的說明在第 1 步中。
client_secret必填
您從 Rememberizer 獲得的應用程序客戶端密鑰。
code您在第 3 步中收到的授權碼。
redirect_uri必填
用戶在授權後被發送到您應用程序中的 URL。必須與第 1 步中的 redirect_uri 匹配。
### 步驟 5. 使用訪問令牌訪問 API 訪問令牌允許您代表用戶向 API 發送請求。 ||CODE_BLOCK|| Authorization: Bearer OAUTH-TOKEN GET https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| 例如，在 curl 中，您可以這樣設置 Authorization 標頭： ||CODE_BLOCK||shell curl -H "Authorization: Bearer OAUTH-TOKEN" https://api.rememberizer.ai/api/me/ ||CODE_BLOCK|| ## 參考資料 Github: [https://github.com/skydeckai/rememberizer-integration-samples](https://github.com/skydeckai/rememberizer-integration-samples) ==> developer/api-documentations/retrieve-slacks-content.md <== # 獲取 Slack 的內容 {% 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 <== # 取得文件 {% 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 文件說明 您可以使用 [OAuth2](../authorizing-rememberizer-apps.md) 或 [API 金鑰](../registering-and-using-api-keys.md) 來驗證 API。OAuth2 是一個標準的授權框架，使應用程序能夠安全地訪問系統中的特定文檔。另一方面，API 金鑰提供了一種更簡單的方法來從公共知識庫中檢索文檔，而無需經過 OAuth2 驗證過程。 ==> developer/api-documentations/list-available-data-source-integrations.md <== # 列出可用的數據源整合 {% 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 <== # 獲取當前用戶的帳戶詳細信息 {% 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 <== # 將內容記住到 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 <== # 獲取所有已添加的公共知識 {% 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 <== # 根據語義相似性搜索文檔 {% 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 <== # 獲取文檔內容 {% 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 <== # 獲取向量儲存中的文件列表 {% 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 <== # 獲取文件的信息 {% 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 <== # 向量儲存 API ==> developer/api-documentations/vector-store/get-vector-stores-information.md <== # 獲取向量儲存的資訊 {% 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 <== # 根據語義相似性搜索向量存儲文件 {% 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 <== # 將新文本文件添加到向量存儲 {% 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 <== # 移除向量儲存中的文件 {% 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 <== # 更新文件內容至向量儲存 {% 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 <== # 上傳檔案到向量儲存 {% 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-hk/qi-ta-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.