ChatDB：以数据库作为符号记忆增强大语言模型

论文 | 项目主页

这是论文《ChatDB：以数据库作为符号记忆增强大语言模型》的官方代码仓库。

我们将持续向该代码仓库添加新功能，请保持关注！

具备记忆功能的大语言模型在计算上是通用的。 然而，主流大语言模型并未充分利用记忆能力，其设计深受生物大脑的影响。 由于传统神经网络记忆机制具有近似性且容易累积误差，因此无法支持大语言模型进行复杂的推理任务。 在本文中，我们借鉴现代计算机体系结构的思想，为大语言模型引入符号记忆，以实现复杂的多跳推理。 这种符号记忆框架由一个大语言模型和一组 SQL 数据库组成，其中大语言模型生成 SQL 指令来操作这些数据库。 我们在一个需要复杂推理的合成数据集上验证了所提出的记忆框架的有效性。

快速入门

安装依赖

conda create -n chatdb python=3.9
conda activate chatdb
pip install -r requirements.txt

添加密钥

cp .env.template .env
# 添加 OPENAI_API_KEY 和 MYSQL_PASSWORD

果蔬店场景下的最小化命令行演示

python chatdb.py

命令行演示如下所示。

引用

如果您认为我们的工作对您的研究有所帮助，请考虑引用该论文：

@misc{hu2023chatdb,
      title={ChatDB: Augmenting LLMs with Databases as Their Symbolic Memory},
      author={Chenxu Hu and Jie Fu and Chenzhuang Du and Simian Luo and Junbo Zhao and Hang Zhao},
      year={2023},
      eprint={2306.03901},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}

ChatDB 快速上手指南

ChatDB 是一个通过引入 SQL 数据库作为符号记忆，来增强大语言模型（LLM）复杂多跳推理能力的开源框架。

环境准备

• 操作系统：Linux / macOS / Windows (WSL)
• Python 版本：3.9
• 依赖管理：推荐使用 conda 进行环境隔离
• 外部服务：
  • OpenAI API Key（用于调用 LLM）
  • MySQL 数据库（需提前安装并运行，用于存储符号记忆）

提示：国内用户安装 Python 依赖时，建议使用清华或阿里镜像源以加速下载。

安装步骤

1. 创建并激活 Conda 环境

   conda create -n chatdb python=3.9
   conda activate chatdb
   

2. 安装项目依赖

   pip install -r requirements.txt
   

   (可选：使用国内镜像加速)

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 配置密钥与数据库信息 复制环境变量模板文件：

   cp .env.template .env
   

   编辑 .env 文件，填入你的 OPENAI_API_KEY 和 MYSQL_PASSWORD（以及对应的 MySQL 连接信息）。

基本使用

项目提供了一个基于命令行（CLI）的最小化演示，模拟了一个水果店场景下的复杂推理任务。

在终端直接运行以下命令启动演示：

python chatdb.py

运行后，系统将加载 LLM 与数据库交互的逻辑，你可以在命令行中与 ChatDB 进行对话，体验其利用数据库进行多步推理的能力。