上下文服务

记忆场景

具体使用记忆时，支持如下三种场景：

记忆分类

针对每一条记忆，ADBPGMem会对其具体内容进行自动分类，并在召回时支持按照记忆分类检索。一条记忆支持多个分类标签。

记忆检索

1. 查询处理

   • 使用LLM从用户的原始查询中提取关键信息。

   • 根据上下文和查询意图生成合适的过滤条件，加速检索的效率和准确度，如分类信息、时间范围。

   • 可配置检索参数：返回记忆条数（TopK）、记忆召回阈值（Threshold），低于该阈值的记忆不召回。

2. 向量检索

   • 使用优化后的查询进行Embedding，在向量数据库内执行语义搜索。

   • 根据与查询的相关性对结果进行排序。

   • 应用指定的过滤条件（用户、代理、元数据等）。

3. 结果处理

   • 整合多个搜索条件返回的结果，并按照相关性、重要性、时间等因素进行排序。

   • 返回带有相关性评分的记忆条目。

   • 包含相关的元数据和时间戳，如标签、分类等。

记忆更新

1. 信息抽取

   • 使用LLM从对话的上下文中提取出相关记忆。

   • 识别出重要的实体（Entity），并抽取各个实体之间的关系（知识图谱）。

2. 记忆存储

   • 向量数据库存储实际的记忆内容。

   • 图数据存储实体之间的关系。

   • 每一轮对话迭代中，都会自动更新记忆的内容。

Hermes Agent

Hermes的记忆系统采用插件架构（MemoryProvider ABC），官方内置的mem0插件通过mem0ai SDK与记忆后端通信。任何兼容mem0协议的服务，都能直接作为Hermes的记忆后端。

mem0 SDK兼容性

ADBPGMem在REST API基础上实现了完整的mem0 SDK /v3/路径兼容：

关键适配点：

• 路径映射：/v3/memories/search/映射至内部语义检索引擎。

• 参数格式兼容：同时接受user_id顶层传参和filters: {user_id: ...}嵌套传参。

• 响应格式对齐：返回结构与mem0 Platform API一致（{results: [...], total, page, ...}）。

无需编写适配器或自制HTTP客户端，mem0生态中的上层应用（Hermes、LangChain、CrewAI等），任何使用MemoryClient(host=...)的框架都能即插即用。

Hermes Mem0插件改动

Hermes的mem0插件原本只支持官方Mem0 Platform。为接入ADBPGMem，只需为插件增加base_url配置项：

# plugins/memory/mem0/__init__.py  (+9, -1)

# _get_client() 核心改动：
- self._client = MemoryClient(api_key=self._api_key)
+ kwargs = {"api_key": self._api_key}
+ if self._base_url:
+     kwargs["host"] = self._base_url
+ self._client = MemoryClient(**kwargs)

配置~/.hermes/.env：

MEM0_API_KEY=sk-your-adbpgmem-token
MEM0_BASE_URL=https://your-adbpgmem-endpoint

启动Hermes后，记忆的自动提取、存储和语义召回全部由ADBPGMem在服务端完成。