Agent设计模式——第 8 章：内存管理
💡
原文中文，约19400字，阅读约需47分钟。
📝
内容提要
有效的内存管理对智能代理至关重要，包括短期内存和长期内存。短期内存处理当前信息，长期内存存储跨会话数据。代理通过记忆用户偏好和历史交互，提升个性化体验和决策能力。
🎯
关键要点
- 有效的内存管理对智能代理至关重要，包括短期内存和长期内存。
- 短期内存处理当前信息，类似于工作记忆，主要存在于上下文窗口中。
- 长期内存存储跨会话数据，通常在数据库或知识图谱中。
- 短期内存的高效管理涉及在有限空间内保留最相关的信息。
- 聊天机器人和对话式 AI 依赖短期内存维护对话流程，长期内存提供个性化体验。
- 面向任务的代理需要短期内存跟踪任务进度，长期内存访问用户相关数据。
- 个性化体验的代理利用长期内存存储用户偏好和历史行为。
- 学习与改进通过长期内存存储成功策略和新信息，促进未来适应。
- 信息检索代理通过访问长期内存中的知识库来回答问题。
- 自主系统需要短期内存存储即时环境信息和长期内存知识。
- Google Agent Developer Kit (ADK) 提供结构化的上下文和内存管理方法。
- ADK 的 Session、State 和 Memory 是构建需要保留信息的代理的关键组件。
- Session 记录特定交互的消息和操作，State 存储当前活动聊天的临时数据。
- Memory 作为可搜索的存储库，管理来自过往聊天或外部来源的信息。
- ADK 提供多种 SessionService 实现，适用于不同的存储需求。
- 在 ADK 中，状态更新应通过事件处理机制进行，而非直接修改状态字典。
- LangChain 和 LangGraph 提供内存管理工具，支持短期和长期记忆。
- Memory Bank 是 Vertex AI Agent Engine 中的托管服务，为代理提供持久长期内存。
- 内存管理是实现智能代理个性化和持续对话的核心机制。
➡️
