Item 20: Choose the Right Storage Backend for Your Memory¶
Memory 的存储后端决定了检索性能和功能。向量数据库适合语义搜索，键值存储适合快速精确查找。
存储后端对比¶
| 后端 | 延迟 | 检索方式 | 适用场景 |
|---|---|---|---|
| InMemory | 最低 | 精确匹配 | 开发测试 |
| FileStorage | 低 | 关键词搜索 | 小规模数据 |
| VectorStore | 中 | 语义相似度 | 生产环境 |
| Redis | 最低 | 混合检索 | 高并发场景 |
基础用法¶
from agent_framework.memory import Memory, InMemoryStorage
memory = Memory(storage=InMemoryStorage())
生产环境配置¶
from agent_framework.memory import Memory
from agent_framework.memory.backends import PineconeStorage, RedisStorage
# Pinecone 向量存储
pinecone_storage = PineconeStorage(
api_key=os.getenv("PINECONE_API_KEY"),
index="agent-memory",
dimension=1536,
)
memory = Memory(storage=pinecone_storage)
混合存储¶
from agent_framework.memory import Memory, HybridStorage
storage = HybridStorage(
vector_store=VectorStorage(),
kv_store=RedisStorage(),
)
memory = Memory(storage=storage)
Things to Remember¶
- 开发环境用 InMemory，生产用向量数据库
- 向量存储适合语义检索
- Redis 适合高并发低延迟场景
- 混合存储兼顾精确和语义检索