16 · Legacy：Embedchain（Legacy: Embedchain）

Legacy：Embedchain

遗留系统：Embedchain

相关源文件

本章引用的主要源码文件：

• embedchain/docs/api-reference/app/add.mdx
• embedchain/embedchain/chunkers/base_chunker.py
• embedchain/embedchain/config/llm/base.py
• embedchain/embedchain/config/model_prices_and_context_window.json
• embedchain/embedchain/data_formatter/data_formatter.py
• embedchain/embedchain/embedchain.py
• embedchain/embedchain/loaders/base_loader.py
• embedchain/embedchain/loaders/web_page.py
• embedchain/embedchain/vectordb/chroma.py
• embedchain/poetry.lock
• embedchain/pyproject.toml
• embedchain/tests/llm/test_openai.py
• embedchain/tests/loaders/test_web_page.py

目的与范围

本文档涵盖了 Embedchain，它是前身检索增强生成（RAG）框架，后来演变为 Mem0。Embedchain 被设计为一个简单的开源框架，用于在自定义数据源上构建问答系统。虽然 Mem0 代表了 AI 应用的现代记忆层，但 Embedchain 代码仍保留在仓库的 embedchain/ 目录下，以提供向后兼容性和遗留支持。

有关当前 Mem0 记忆系统的信息，请参阅记忆系统。有关适用于两个系统的配置模式，请参阅配置系统。

什么是 Embedchain？

Embedchain 是一个检索增强生成（RAG）框架，它简化了在自定义数据上创建聊天机器人和问答系统的过程。它提供自动数据类型检测、可配置的大语言模型（LLM）/嵌入向量提供程序，并通过 LangChain 与多个向量存储集成。

主要特性：

• 包名： embedchain（版本 0.1.128）embedchain/pyproject.toml:2-3
• 描述： "最简单的开源检索增强生成（RAG）框架" embedchain/pyproject.toml:4
• 核心依赖： LangChain（^0.3.1）embedchain/pyproject.toml:98
• 当前状态： 为向后兼容而维护的遗留代码库。
• 后继者： Mem0（作为依赖包含：mem0ai ^0.1.54）embedchain/pyproject.toml:108

来源： embedchain/pyproject.toml:1-108

与 Mem0 的关系

Embedchain 已演变为 Mem0，现代代码库位于 mem0/ 目录下，而遗留代码保留在 embedchain/ 目录下。pyproject.toml 通过将 Mem0 列为依赖项展示了这一过渡，从而允许逐步迁移。

系统演进：从 Embedchain 到 Mem0

以下图表说明了遗留检索增强生成（RAG）框架与现代记忆层之间的关系。

迁移路径：

• Embedchain 用户可以逐步迁移到 Mem0 以记忆为中心的 API。
• 两个系统共享相似的提供程序生态系统（大语言模型（LLM）、向量存储、嵌入向量器）。
• 配置模式相似，但 Mem0 提供了额外的记忆特定功能。

来源： embedchain/pyproject.toml:95-108，embedchain/embedchain/embedchain.py:38-96

核心架构

有关这些组件的技术细节，请参阅以下子页面：

• Embedchain 概述
• Embedchain 配置
• Embedchain 数据源

EmbedChain 类

遗留系统的核心是 EmbedChain 类，它编排了大语言模型（LLM）、向量数据库和嵌入向量器。

类初始化：

class EmbedChain(JSONSerializable):
    def __init__(
        self,
        config: BaseAppConfig,
        llm: BaseLlm,
        db: BaseVectorDB = None,
        embedder: BaseEmbedder = None,
        system_prompt: Optional[str] = None,
    ):
        # ... 初始化逻辑 ...

embedchain/embedchain/embedchain.py:38-46

该类通过 add() 方法处理数据添加的生命周期，该方法会触发加载、片段切分和嵌入向量化 embedchain/embedchain/embedchain.py:117-154。

配置类

Embedchain 使用分层配置系统，包含大语言模型（LLM）和嵌入向量器的基类。BaseLlmConfig 类为语言模型提供了全面的配置，包括温度、最大 Token 数和自定义提示模板的参数 embedchain/embedchain/config/llm/base.py:111-142。

来源： embedchain/embedchain/embedchain.py:38-154，embedchain/embedchain/config/llm/base.py:111-142

数据处理管线

Embedchain 的管线弥合了原始数据源与向量存储之间的差距。

数据流：从源到向量存储

此图表将自然语言空间（源数据）映射到负责处理它的代码实体。

关键管线组件：

• DataFormatter： 将 DataType 映射到特定的加载器和片段切分器 embedchain/embedchain/data_formatter/data_formatter.py:12-35。
• BaseLoader： 子类（如 WebPageLoader）获取原始内容 embedchain/embedchain/loaders/web_page.py:22-62。
• BaseChunker： 处理文本分割和元数据丰富 embedchain/embedchain/chunkers/base_chunker.py:12-74。
• BaseVectorDB： 与 ChromaDB 等数据库交互以存储和查询向量 embedchain/embedchain/vectordb/chroma.py:29-64。

来源： embedchain/embedchain/data_formatter/data_formatter.py:12-35，embedchain/embedchain/loaders/web_page.py:22-62，embedchain/embedchain/chunkers/base_chunker.py:12-74，embedchain/embedchain/vectordb/chroma.py:29-64

提示系统

Embedchain 包含针对不同用例预定义的提示模板，位于大语言模型（LLM）配置模块中。

来源： embedchain/embedchain/config/llm/base.py:15-108

模型定价与上下文

为协助 Token 跟踪和成本估算，系统维护了一个 model_prices_and_context_window.json 文件。该文件包含各种提供程序的元数据，包括 OpenAI、Azure 和 Anthropic embedchain/embedchain/config/model_prices_and_context_window.json:1-219。

来源： embedchain/embedchain/config/model_prices_and_context_window.json:1-219

总结

遗留的 Embedchain 是一个以检索增强生成（RAG）为中心的框架，它为 Mem0 更高级的记忆能力提供了基础。虽然 EmbedChain 类及其相关的加载器/片段切分器仍然可用，但鼓励用户探索记忆系统以满足现代 AI 记忆需求。

有关特定遗留子系统的详细文档，请参阅：

• Embedchain 概述 — 详细关系与迁移路径。
• Embedchain 配置 — YAML 和组件设置。
• Embedchain 数据源 — 模式与数据库迁移。