差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 两侧同时换到之前的修订记录 前一修订版 后一修订版 | 前一修订版 | ||
| 智能体二次开发:ai_agent入门 [2026/08/12 16:12] – [Agent 状态栏] 张叶安 | 智能体二次开发:ai_agent入门 [2026/08/12 16:38] (当前版本) – [用户记忆和知识库] 张叶安 | ||
|---|---|---|---|
| 行 202: | 行 202: | ||
| + | ====== 用户记忆和知识库 ====== | ||
| + | {{.: | ||
| + | 个人信息保留:记住用户身份等长期个人信息 | ||
| + | 偏好追踪:跟踪并记住用户的长期偏好 | ||
| + | 上下文切换:在多个话题之间切换时保持连贯 | ||
| + | 记忆更新:当用户提供与旧信息矛盾的新信息时能正确处理 | ||
| + | 多会话连续性:跨会话保持知识 | ||
| + | |||
| + | 复杂思考:基于多个记忆片段联合思考,例如当用户对花生过敏时推荐泰国菜应主动提醒注意花生成分 | ||
| + | |||
| + | 时间感知:记住日期、理解相对时间、进行时间计算 | ||
| + | |||
| + | 冲突解决:识别并处理记忆之间的不一致 | ||
| + | |||
| + | 第一层:基础回忆 —— 这是记忆系统最根本的能力,要求 Agent 能够准确存储和检索用户直接提供的、结构化的、无歧义的信息。 | ||
| + | |||
| + | 第二层:多会话检索 —— 要求 Agent 在面对来自多个不同对象、不同时期的会话时,能检索出所有相关信息并推理判断。 | ||
| + | |||
| + | 第三层:主动服务 —— 这是衡量 Agent 是否达到 “助理” 级别最高标准的试金石。 | ||
| + | |||
| + | {{.: | ||
| + | |||
| + | 关键且少量的数据(如用户偏好、关键人物关系)用 Advanced JSON Cards 以保证可检索性;大量且非关键的对话事实用 Simple Notes 以降低成本;多数生产系统采用混合模式——同一 Agent 内不同类信息走不同路径。 | ||
| + | |||
| + | 进阶知识表示形态:可执行代码 | ||
| + | |||
| + | 它把记忆的更新拆成两阶段2:记忆阶段(每次会话后,LLM 把对话中的事实逐条抽成字符串,追加到一个只增不删的事实日志里)与 | ||
| + | |||
| + | 结构化阶段(周期性地,LLM 从完整的事实日志重新生成整份带类型的 Python——把事实组织进 dataclass,日期用 date()、集合用带类型的列表、难以类型化的杂项进 notes: list[str])。 | ||