记忆工具¶
让 Agent 拥有持久记忆,记住您的偏好、从经验中学习,并在多次对话中提供个性化服务。
为什么使用记忆工具¶
- 跨对话持续服务
- 个性化响应符合您的风格
- Agent 从积累的经验中改进
- 基于历史的上下文感知决策
核心机制:
- 用户记忆: 您定义偏好、约束
- Agent 记忆: Agent 记录自己的执行模式和见解
- 分类: 两者都按主题组织记忆
- 智能搜索: Agent 在执行任务前独立探索记忆
记忆生命周期¶
每条记忆都有完整的生命周期跟踪:
| 字段 | 用途 |
|---|---|
| ID | 唯一标识符(格式:YYYYMMDD_xxxx) |
| 内容 | 实际记忆文本(建议 ≤300 字) |
| 创建时间 | 条目添加时间 |
| 更新时间 | 最后修改时间戳(变更时自动更新) |
记忆操作¶
列出分类¶
发现存在哪些记忆: - 查询用户记忆、Agent 记忆或两者 - 返回分类名称和条目数 - 帮助 Agent 了解可用知识
获取记忆¶
检索特定记忆:
- 一次从多个分类获取
- 跨所有者查询(如:用户 code_style + Agent learned_patterns)
- 结果按最近更新排序
添加记忆¶
存储新知识: - 一次调用跨分类添加多个条目 - 分类不存在时自动创建 - 记录创建时间戳
更新记忆¶
完善现有记忆:
- 通过 ID 修改特定条目
- 自动更新 updated_at 时间戳
- 适用于演变的偏好
删除记忆¶
移除过时信息: - 通过 ID 删除特定条目 - 跨分类批量删除 - 保持记忆相关和准确
智能搜索¶
AI 驱动的记忆探索: - Agent 描述要查找的内容 - 搜索在隔离子任务中运行 - 返回相关记忆的组织化摘要 - 无主对话 token 开销
集成模式¶
记忆 + 子 Agent¶
专家继承或共享记忆:
共享用户记忆: 对话中所有 Agent 访问相同用户偏好(行为一致)
独立 Agent 记忆: 每个专家从其领域学习(代码审查者 vs. 写作者有不同见解)
交接模式: 主 Agent 搜索记忆 → 带上下文委派给专家 → 专家从执行中学习 → 更新自己的记忆
记忆 + 文件工具¶
结合持久知识与文档交付:
记忆指导行为: Agent 读取 documentation 偏好
文件工具交付结果: 创建遵循这些偏好的 api_docs.md
学习循环: 用户批准后,Agent 在记忆中记录成功模式
配置要求¶
有效使用记忆的要求:
| 要求 | 目的 |
|---|---|
| 明确指令 | 告诉 Agent 何时查阅记忆(如:"代码生成前始终检查用户偏好") |
| 记忆访问 | 在 Agent 配置中启用记忆工具 |
| 智能搜索使用 | 鼓励在复杂任务前使用 |
| 学习提示 | 指示 Agent 记录成功策略 |