记忆与上下文

AI Agent 教程 · 第 4 章 · 7 次浏览

Agent 的记忆让它在多轮任务中不迷路：记住用户偏好、记住中间结果、记住之前的错误。记忆分短期和长期。

记忆类型

短期记忆：当前对话的 messages 历史（有窗口限制）
工作记忆：任务中间状态（写到变量/文件）
长期记忆：跨会话持久化（向量数据库、文件、数据库）
总结记忆：对话太长时压缩成摘要

实现

简单任务用 messages 数组；复杂任务把中间结果存 JSON/数据库；长期记忆用向量检索（embeddings + 相似度搜索）。

代码示例

# 简单记忆实现：对话历史 + 状态
class SimpleMemory:
    def __init__(self):
        self.history = []        # 对话历史
        self.state = {}          # 任务状态

    def add_message(self, msg):
        self.history.append(msg)
        if len(self.history) > 20:      # 超长压缩
            summary = llm(f"总结这段对话：{self.history}")
            self.history = [{"role": "system", "content": summary}]

    def remember(self, key, value):
        self.state[key] = value         # 记住中间结果

    def recall(self, key):
        return self.state.get(key)

📚 Python 语法速查

常用条目速查，完整版见对应教程章节。可复制代码到在线运行中测试。

写法 / 语法	作用
`print("hello")`	输出到控制台
`name = "张三"`	变量赋值（无需声明类型）
`if x > 0: ...`	条件判断（注意冒号和缩进）
`for i in range(10): ...`	循环（缩进是语法的一部分）
`while x < 10: ...`	条件循环
`def fn(a, b): return a + b`	定义函数
`class Person: ...`	定义类
`list = [1, 2, 3]`	列表（可改）
`tuple = (1, 2)`	元组（不可改）
`dict = {"key": "value"}`	字典（键值对）
`set = {1, 2, 3}`	集合（去重）
`len(obj)`	取长度
`str(x) / int(x) / float(x)`	类型转换
`s.split(",")`	字符串按分隔符拆分
`" ".join(list)`	列表拼接成字符串
`import os`	导入模块
`from math import sqrt`	从模块导入指定函数
`try: ... except Exception as e: ...`	异常捕获
`with open("a.txt", "r") as f: ...`	文件读取（自动关闭）
`f"你好 {name}"`	f-string 格式化
`lambda x: x * 2`	匿名函数
`list(map(fn, arr))`	函数式处理列表
`range(start, stop, step)`	生成数字序列
`if __name__ == "__main__":`	主入口判断
`pip install 包名`	安装第三方包（命令行）