Memory 系统让 Agent 能够在多次对话中保持状态。不同于 Session 的单会话上下文，Memory 是跨会话的持久化存储。
存储心智模型
会话开始 → 加载历史 Memory → 对话 → 保存新 Memory → 会话结束
Memory vs Session
| 维度 |
Session |
Memory |
| 范围 |
单会话 |
跨会话 |
| 生命周期 |
会话内 |
永久 |
| 用途 |
多轮对话 |
长期记忆 |
| 实现 |
消息历史 |
持久化存储 |
实现架构
from agent_framework.memory import Memory, MemoryStore
class VectorMemoryStore(MemoryStore):
"""向量数据库存储"""
async def add(self, content: str, metadata: dict):
vector = await embed(content)
self.store.append({"vector": vector, "content": content, "metadata": metadata})
async def search(self, query: str, top_k: int) -> list[dict]:
query_vector = await embed(query)
return self._cosine_search(query_vector, top_k)
memory = Memory(store=VectorMemoryStore())
Memory 类型
| 类型 |
适用场景 |
实现难度 |
| 向量存储 |
语义搜索 |
高 |
| 键值存储 |
精确查找 |
低 |
| 混合存储 |
混合检索 |
高 |
Things to Remember
- Memory 是跨会话的持久化存储
- Session 是单会话的消息历史
- 向量存储适合语义检索
- Memory 加载在会话开始时，保存在会话结束时