长期记忆（Agent Memory）

记忆提取与融合

从对话中动态抽取关键信息，将其向量化并构建为知识图谱，最终存入数据库。

1. 动态知识抽取：对长对话进行切片，通过LLM提示工程（Prompt Engineering）提取用户明确表达的事实、偏好或需求，并将这些记忆片段构建为知识图谱的节点。

2. 向量化与存储：将记忆片段进行语义向量化以支持模糊匹配，同时提取关键词用于精确过滤。处理后的记忆将存储至向量数据库和图数据库，并建立索引。

3. 记忆融合：新提取的记忆会暂存以待验证。随后，系统会将临时记忆与持久记忆进行融合，更新已有的记忆内容。

记忆检索

结合语义向量与关键词进行多路检索，并通过知识图谱发现隐式关联，最后使用Rerank模型对结果重排序，确保返回最相关的记忆。

1. 查询处理

   1. 将用户的当前查询（Query）使用Embedding模型生成语义向量。

   2. 并识别查询中的时间、地点、人物等结构化要素。

2. 多路召回

   • 知识图谱检索（精确检索）

     1. 使用向量化后的查询捕获语义相近记忆。

     2. 根据LLM提取关键词检索到关键的记忆片段。

     3. 采用知识图谱记忆连接关系，发现隐式关联记忆。

   • 事件关系检索（快速检索）

     1. 使用向量化后的查询捕获语义相近的记忆。

     2. 根据查询检索到关键实体以及对应事件语境。

     3. 采用知识图谱记忆连接关系，发现事件联系，例如时序、因果、假设等。

3. 结果处理

   1. 多路召回结果经Rerank重排序模型打分。

   2. 最终返回Top-K个最相关的记忆条目，并附带记忆来源的对话原文和时间戳。

记忆源管理

当删除某次对话记录时，服务会自动触发关联记忆的失效或重建，保证记忆与源信息的一致性。

• 删除对话：当删除某次聊天记录时，系统会自动触发关联记忆的失效或删除。

• 重建记忆：如果一条记忆由多个对话来源构成，在删除其中一个来源后，系统会利用剩余的来源信息对该条记忆进行重建。

请求体

请求示例

{
  "session_id": "session-001",
  "messages": [
    {
      "role": "user",
      "content": "你好，我叫小云。刚搬到这个城市。",
      "turn": 1,
      "business_id": "ee2850b8-xxxx-46be-8580-d5b9dbdf7d37",
      "timestamp": "1772436673823"
    },
    {
      "role": "assistant",
      "content": "欢迎你，小云！新环境总是充满挑战和机遇，希望你能在这里找到归属感。需要我帮你规划一些生活或工作上的建议吗？",
      "turn": 2,
      "business_id": "d277be83-xxxx-4896-bea5-1cb89ea2190c",
      "timestamp": "1772436673823"
    },
    {
      "role": "user",
      "content": "我目前在'阿里云'担任初级软件工程师。",
      "turn": 3,
      "business_id": "5da7165a-xxxx-4663-9506-3026dafaad23",
      "timestamp": "1772436673823"
    },
    {
      "role": "assistant",
      "content": "听起来你已经开始了自己的职业生涯了！作为初级工程师，有什么让你感到特别有成就感或者挑战性的工作内容吗？",
      "turn": 4,
      "business_id": "b35565b8-xxxx-4554-a80c-5a078c4724d1",
      "timestamp": "1772436673823"
    }
  ]
}

返回体

{
  "code": 200,
  "data": null,
  "message": "",
  "request_id": "4e242075f2801625fe79xxxx"
}

请求体

请求示例

{
  "session_id": "session-001",
  "query": "我在哪里上班？",
  "top_k": 1,
  "mode": "fast"
}

返回体

{
  "code": 200,
  "message": "",
  "request_id": "a8842dc6f90b6836688xxxx"
  "data": {
    "text_mem": [
      {
        "cube_id": "session-001",
        "memories": [
          {
            "id": "f1b96342-xxx-45e2-a5bc-d28caef2240d",
            "memory": "[assistant观点]助手在2026年3月2日7:31:13欢迎小云来到新城市，询问其职业生涯的成就感或挑战性工作内容。",
            "metadata": {
              "confidence": 0.99,
              "user_id": "session-001",
              "session_id": "ae6f3c9b-xxx-415a-b62a-69190aa0c35a",
              "memory_type": "WorkingMemory",
              "type": "fact",
              "created_at": "2026-03-02T07:31:21.027105",
              "updated_at": "2026-03-02T07:31:21.028140",
              "tags": [
                "欢迎",
                "职业询问",
                "互动"
              ],
              "background": "小云于2026年3月2日刚搬到新城市，目前在阿里云担任初级软件工程师。助手当日7:31:13向她表示欢迎，并询问其工作中的成就感或挑战。",
              "relativity": 0.0,
              "embedding": [
                0.00958251953125,
                -0.0274658203125,
                ...
              ],
              "key": "助手欢迎信息",
              "usage": [
                "{\"time\": \"2026-03-02T07:32:47.147367\", \"info\": {\"user_id\": \"session-001\", \"session_id\": \"3e0ea9d2-xxxx-4289-956f-6c3fb0d5e45a\"}}",
                "{\"time\": \"2026-03-02T07:34:19.927708\", \"info\": {\"user_id\": \"session-001\", \"session_id\": \"19b99ab1-xxxx-474a-995c-783f2f445891\"}}"
              ],
              "source": null,
              "sources": [
                {
                  "role": "user",
                  "chat_time": "2026-03-02 07:31:13",
                  "doc_path": null,
                  "message_id": "ee2850b8-xxxx-46be-8580-d5b9dbdf7d37",
                  "turn": 1,
                  "type": "chat",
                  "business_id": "ee2850b8-xxxx-46be-8580-d5b9dbdf7d37",
                  "content": "你好，我叫小云。刚搬到这个城市。"
                },
                {
                  "role": "assistant",
                  "chat_time": "2026-03-02 07:31:13",
                  "doc_path": null,
                  "message_id": "d277be83-xxxx-4896-bea5-1cb89ea2190c",
                  "turn": 2,
                  "type": "chat",
                  "business_id": "d277be83-xxxx-4896-bea5-1cb89ea2190c",
                  "content": "欢迎你，小云！新环境总是充满挑战和机遇，希望你能在这里找到归属感。需要我帮你规划一些生活或工作上的建议吗？"
                },
                {
                  "role": "user",
                  "chat_time": "2026-03-02 07:31:13",
                  "doc_path": null,
                  "message_id": "5da7165a-xxxx-4663-9506-3026dafaad23",
                  "turn": 3,
                  "type": "chat",
                  "business_id": "5da7165a-xxxx-4663-9506-3026dafaad23",
                  "content": "我目前在'阿里云'担任初级软件工程师。"
                },
                {
                  "role": "assistant",
                  "chat_time": "2026-03-02 07:31:13",
                  "doc_path": null,
                  "message_id": "b35565b8-xxxx-4554-a80c-5a078c4724d1",
                  "turn": 4,
                  "type": "chat",
                  "business_id": "b35565b8-xxxx-4554-a80c-5a078c4724d1",
                  "content": "听起来你已经开始了自己的职业生涯了！作为初级工程师，有什么让你感到特别有成就感或者挑战性的工作内容吗？"
                }
              ]
            }
          }
        ],
        "event_relations": [],
        "event_memories": []
      }
    ],
    "act_mem": [],
    "para_mem": []
  }
}

请求体

请求示例

{
  "session_id": "session-001",
  "business_id": [
    "22cb460a-xxxx-45f9-a115-fe6d203ba3e1",
    "c5a0d26b-xxxx-4249-b23f-33cf016f37d5"
  ]
}

返回体

{
  "code": 200,
  "data": null,
  "message": "",
  "request_id": "fc56e76269bc0fbfcxxxx"
}

请求体

请求示例

{
  "data": [
    {
      "session_id": "user-session-001",
      "messages": [
        {
          "role": "user",
          "content": "我喜欢吃香蕉",
          "turn": 1,
          "business_id": "289d0bd9-xxxx-445d-8951-775604d4fe1b",
          "timestamp": "1772437402969"
        },
        {
          "role": "assistant",
          "content": "我也喜欢吃香蕉",
          "turn": 2,
          "business_id": "c8452aa2-xxxx-461f-a382-b71697e2cfc4",
          "timestamp": "1772437402969"
        }
      ]
    },
    {
      "session_id": "user-session-002",
      "messages": [
        {
          "role": "user",
          "content": "我喜欢吃香肠",
          "turn": 1,
          "business_id": "fc6c8411-xxxx-4836-a989-fc3b75f420a9",
          "timestamp": "1772437402969"
        },
        {
          "role": "assistant",
          "content": "我喜欢吃腊肠",
          "turn": 2,
          "business_id": "fc494fa2-xxxx-4fe0-9528-adf9863c82ff",
          "timestamp": "1772437402969"
        }
      ]
    }
  ]
}

返回体

{
  "code": 200,
  "data": {
    "task_id": "2291d693-xxxx-413a-b9c5-7da22487f45c"
  },
  "message": "",
  "request_id": "0ca08e757b52181xxxx"
}

请求体

请求示例

{
  "task_id": "2291d693-xxxx-413a-b9c5-7da22487f45c"
}

返回体

{
  "code": 200,
  "data": {
    "created_time": "2026-03-02T07:43:23.167761",
    "batch_id": "2291d693-xxxx-413a-b9c5-7da22487f45c",
    "total_count": 2,
    "success_count": 2,
    "failed_count": 0,
    "finish_time": "2026-03-02T07:43:34.561627",
    "status": "SUCCESS"
  },
  "message": "",
  "request_id": "a5c408e3ce932dedxxxx"
}

请求体

返回体

调用流程示例

假设已有如下对话历史，并已通过 message/add 接口存入记忆库：

messages = [
  {
    "role": "user",
    "content": "最近感觉很焦虑，不知道如何缓解。",
    "timestamp": "1767615466347"
  },
  {
    "role": "assistant",
    "content": "我明白你的感受。首先，要知道焦虑是一种正常的情绪。但是，当它影响到你的生活质量时，就需要采取行动了。",
    "timestamp": "1767615467337"
  }
]

当发起新一轮提问：“可是我总觉得自己做什么都不够好，很害怕失败。”，完整的调用逻辑如下：

1. 查询记忆：使用新提问作为query，调用/polar-amem/message/search接口获取相关记忆。

   // Request to /polar-amem/message/search
   {
     "session_id": "your_session_id",
     "query": "可是我总觉得自己做什么都不够好，很害怕失败。"
   }

   假设返回的记忆数据为retrieved_memories。您可以根据业务需求对返回的记忆进行过滤或修改。

   // 返回的记忆retrieved_memories，可根据业务需求进行自定义调整
   memories = {
     "text_mem": [
       {
         "cube_id": "session-001",
         "memories": [
           {
             "id": "f1b96342-35a1-45e2-a5bc-d28caef2240d",
             "memory": "[assistant观点]助手在2026年3月2日7:31:13欢迎小云来到新城市，询问其职业生涯的成就感或挑战性工作内容。",
             "metadata": {
                 ...
             }
           }
         ]
       }
     ]
   }

2. 执行对话：调用/polar-amem/chat接口，将系统提示词、查询到的记忆和对话历史（包含最新的提问）一起发送给大模型。

   // Request to /polar-amem/chat
   {
     "memories": retrieved_memories, // 上一步获取的记忆。
     "messages": [
       {
         "role": "user",
         "content": "最近感觉很焦虑，不知道如何缓解。"
       },
       {
         "role": "assistant",
         "content": "我明白你的感受。首先，要知道焦虑是一种正常的情绪。但是，当它影响到你的生活质量时，就需要采取行动了。"
       },
       {
         "role": "user",
         "content": "可是我总觉得自己做什么都不够好，很害怕失败。" // 最新的提问
       }
     ],
     "system_message": "你是一位富有同理心的个人陪伴聊天机器人。"
   }

3. 获取回复：接口将返回大模型结合了长期记忆和短期上下文生成的回复。

   {
       "code": 200,
       "message": "",
       "data": "听起来你正在经历一些困难，这种感受是很真实的。你已经尝试了方法，这本身就很不容易，也说明你愿意为自己努力。如果这些方法暂时没有带来明显改善，可能需要调整方向，或者尝试一些新的方式。\n\n有时候，我们可能需要更长时间才能看到变化，或者需要一些不同的方法来应对。比如，可以试着把目标分解得更小一些，每天只专注于一点点，而不是一下子要求自己“好起来”。同时，也可以尝试一些新的放松方式，比如深呼吸、冥想、散步，或者听一些舒缓的音乐。\n\n如果你愿意，也可以尝试写下来自己的感受，或者找一个你信任的人聊聊。有时候，把情绪表达出来，本身就是一种释放。如果情况持续让你感到困扰，寻求专业帮助也是一个非常勇敢和有效的选择。\n\n你并不孤单，我在这里支持你。如果有什么想说的，或者需要更多的建议，随时告诉我。",
       "request_id": "13f5c70174e74eebxxxx"
   }