79 lines
2.5 KiB
Markdown
79 lines
2.5 KiB
Markdown
# 增强内存配置
|
||
|
||
最后，让我们增强我们的内存配置，让我们的智能体更加有用：
|
||
|
||
```typescript
|
||
import { LibSQLStore, LibSQLVector } from "@mastra/libsql";
|
||
|
||
const memory = new Memory({
|
||
storage: new LibSQLStore({
|
||
id: "learning-memory-storage",
|
||
url: "file:../../memory.db",
|
||
}),
|
||
vector: new LibSQLVector({
|
||
id: "learning-memory-vector",
|
||
connectionUrl: "file:../../memory.db",
|
||
}),
|
||
embedder: openai.embedding("text-embedding-3-small"),
|
||
options: {
|
||
// 在上下文中保留最后 20 条消息
|
||
lastMessages: 20,
|
||
// 启用语义搜索以查找相关的过去对话
|
||
semanticRecall: {
|
||
topK: 3,
|
||
messageRange: {
|
||
before: 2,
|
||
after: 1,
|
||
},
|
||
},
|
||
// 启用工作记忆来记住用户信息
|
||
workingMemory: {
|
||
enabled: true,
|
||
template: `
|
||
<user>
|
||
<first_name></first_name>
|
||
<username></username>
|
||
<preferences></preferences>
|
||
<interests></interests>
|
||
<conversation_style></conversation_style>
|
||
</user>`,
|
||
},
|
||
},
|
||
});
|
||
```
|
||
|
||
并更新智能体指令以使用此增强内存：
|
||
|
||
```typescript
|
||
export const personalAssistantAgent = new Agent({
|
||
name: "Personal Assistant",
|
||
instructions: `
|
||
// ... 现有指令 ...
|
||
|
||
你可以访问对话记忆，并可以记住关于用户的详细信息。
|
||
当你了解有关用户的信息时，使用适当的工具更新他们的工作记忆。
|
||
这包括：
|
||
- 他们的兴趣
|
||
- 他们的偏好
|
||
- 他们的对话风格（正式、非正式等）
|
||
- 任何其他有助于个性化对话的相关信息
|
||
|
||
始终保持有用和专业的语调。
|
||
使用存储的信息提供更个性化的响应。
|
||
`,
|
||
model: openai("gpt-4o"),
|
||
tools: { ...mcpTools },
|
||
memory,
|
||
});
|
||
```
|
||
|
||
这种增强的内存配置为你的智能体提供了更复杂的记忆能力：
|
||
|
||
1. **对话历史**：`lastMessages` 选项在上下文中保留最后 20 条消息，允许你的智能体引用最近的对话。
|
||
|
||
2. **语义回忆**：`semanticRecall` 选项使你的智能体能够使用语义搜索找到相关的过去对话，即使它们发生在很久以前。要使 `semanticRecall` 工作，你需要配置向量存储和嵌入器。
|
||
|
||
3. **工作记忆**：`workingMemory` 选项允许你的智能体记住关于用户的特定信息，如他们的偏好和兴趣，并使用这些信息提供更个性化的响应。
|
||
|
||
通过更新智能体的指令以包含关于这些记忆能力的信息，你帮助它理解如何有效地使用它们来提供更好的用户体验。
|