为 Agent 启用记忆
在对话式应用中，能够记住以前的对话内容是非常重要的功能。aigne 框架提供了简单的方式为 Agent 启用记忆能力，使其能够在多轮对话中保持上下文连贯性。本指南将介绍如何启用和使用 Agent 的记忆功能。
基本流程#
为 Agent 启用记忆的过程非常简单：
- 创建带记忆的 Agent - 通过配置选项启用记忆功能
- 进行首次对话 - 向 Agent 提供初始信息
- 测试记忆能力 - 询问之前提供过的信息
- 构建持续对话 - 添加新信息并验证累积记忆
让我们逐步了解每个环节的实现细节：
创建带有记忆功能的 Agent#
import { DefaultMemory } from "@aigne/agent-library/default-memory/index.js";
import { AIAgent } from "@aigne/core";
const agent = AIAgent.from({
instructions: "You are a helpful assistant for Crypto market analysis",
memory: new DefaultMemory({
storage: {
url: `file:${memoryStoragePath}`, // Path to store memory data, such as 'file:./memory.db'
},
}),
inputKey: "message",
});
说明：
- 持久化存储：通过配置
storage.path可以将记忆数据持久化到文件 - 零代码管理：记忆的存储、检索和上下文构建都由框架自动处理
- 底层实现：系统使用对话历史作为模型的上下文输入，实现"记忆"效果
第一轮对话 - 提供个人信息#
const result1 = await aigne.invoke(agent, {
message: "My name is John Doe and I like to invest in Bitcoin.",
});
console.log(result1);
// Output: { message: "Nice to meet you, John Doe! Bitcoin is an interesting cryptocurrency to invest in. How long have you been investing in crypto? Do you have a diversified portfolio?" }
说明：
- 信息输入：首次对话提供个人身份和偏好信息
- 记忆启动：系统开始记录对话内容，包括用户输入和 Agent 回复
- 状态保存：名字（John Doe）和加密货币偏好（Bitcoin）被记录到对话历史
- 自然回复：Agent 友好地确认了解到的信息，并尝试拓展对话
- 内部处理：此消息及其回复成为记忆的第一个节点
第二轮对话 - 测试记忆能力#
const result2 = await aigne.invoke(agent, {
message: "What is my favorite cryptocurrency?",
});
console.log(result2);
// Output: { message: "Your favorite cryptocurrency is Bitcoin." }
说明：
- 记忆检索：询问之前提到的信息，测试 Agent 的记忆能力
- 上下文理解：Agent 不仅记住了"Bitcoin"，还理解这是用户的"偏好"
- 连贯回答：能正确回答偏好问题，展示了对之前对话的准确理解
- 行为对比：若没有启用记忆，Agent 会回答"我不知道"或请求更多信息
- 增量记忆：此问答也被添加到对话历史，进一步丰富上下文
第三轮对话 - 添加更多信息#
const result3 = await aigne.invoke(agent, {
message: "I've invested $5000 in Ethereum.",
});
console.log(result3);
// Output: { message: "Got it, you've invested $5000 in Ethereum! That's a good investment. If there's anything else you'd like to share about your crypto portfolio or have questions, feel free!" }
说明：
- 记忆扩展：向已有对话添加新的具体信息（投资金额和币种）
- 累积知识：系统将新信息与已有内容（用户身份、偏好）整合
- 专业响应：Agent 确认新信息并给予适当的专业评价
- 信息整合：将用户的 Ethereum 投资添加到其已知的加密货币兴趣（Bitcoin）中
- 对话连续性：回复体现了对整体对话的理解，而非仅对当前消息的响应
第四轮对话 - 进一步测试记忆能力#
const result4 = await aigne.invoke(agent, {
message: "How much have I invested in Ethereum?",
});
console.log(result4);
// Output: { message: "You've invested $5000 in Ethereum." }
说明：
- 精确回忆：能准确回答特定数值问题，展示了细节记忆能力
- 关联理解：不仅记住金额，还记住了与具体加密货币的关联
- 深度记忆：能够从积累的对话中提取特定细节信息
- 用户档案：此时 Agent 已构建了相对完整的用户投资档案
- 持久记忆：所有这些信息会持续保存，直到会话结束或记忆被清除
示例代码#
下面的示例展示了如何创建一个带有记忆功能的 Agent，并在连续的对话中测试其记忆能力：
import { DefaultMemory } from "@aigne/agent-library/default-memory/index.js";
import { AIAgent, AIGNE } from "@aigne/core";
import { OpenAIChatModel } from "@aigne/openai";
const aigne = new AIGNE({
model: new OpenAIChatModel(),
});
const agent = AIAgent.from({
instructions: "You are a helpful assistant for Crypto market analysis",
memory: new DefaultMemory({
storage: {
url: `file:${memoryStoragePath}`, // Path to store memory data, such as 'file:./memory.db'
},
}),
inputKey: "message",
});
const result1 = await aigne.invoke(agent, {
message: "My name is John Doe and I like to invest in Bitcoin.",
});
console.log(result1);
// Output: { message: "Nice to meet you, John Doe! Bitcoin is an interesting cryptocurrency to invest in. How long have you been investing in crypto? Do you have a diversified portfolio?" }
const result2 = await aigne.invoke(agent, {
message: "What is my favorite cryptocurrency?",
});
console.log(result2);
// Output: { message: "Your favorite cryptocurrency is Bitcoin." }
const result3 = await aigne.invoke(agent, {
message: "I've invested $5000 in Ethereum.",
});
console.log(result3);
// Output: { message: "Got it, you've invested $5000 in Ethereum! That's a good investment. If there's anything else you'd like to share about your crypto portfolio or have questions, feel free!" }
const result4 = await aigne.invoke(agent, {
message: "How much have I invested in Ethereum?",
});
console.log(result4);
// Output: { message: "You've invested $5000 in Ethereum." }
记忆功能的工作原理#
记忆功能通过以下机制实现对话连贯性：
- 消息存储：每次对话（用户输入和 Agent 回复）都被存储在内存中
- 上下文构建：新消息发送时，框架自动将之前的对话作为上下文提供给模型
- 智能处理：底层模型根据上下文理解并处理新消息，产生连贯回复
- 记忆优化：系统会对长对话进行优化，确保不超出模型的上下文窗口限制