记忆系统

记忆系统是 Snail AI 平台为智能体提供对话上下文延续能力的核心模块。通过记忆系统，智能体可以在多轮对话中记住用户的偏好、已做出的决策、正在进行的任务等关键信息，从而提供更加个性化和连贯的对话体验。

核心概念

什么是记忆？

在 Snail AI 中，"记忆"是从对话中自动提取出的结构化信息片段。每条记忆包含标题、内容、类型、置信度等属性，并以向量形式存储在向量数据库中，以便后续通过语义相似度进行高效召回。

与传统的"完整对话历史"不同，记忆系统通过智能提取和压缩，将冗长的对话历史浓缩为关键信息点，既节省了 Token 开销，又保留了对话的核心上下文。

记忆类型

Snail AI 将记忆按语义分为以下五种类型：

类型	标识	说明	示例
事实	FACT	用户或对话中出现的客观事实信息	"用户的公司使用 Java 17 和 Spring Boot"
决策	DECISION	对话中做出的决定或达成的共识	"决定使用 PostgreSQL 作为主数据库"
偏好	PREFERENCE	用户表达的个人偏好和习惯	"用户偏好使用函数式编程风格"
任务进度	TASK_PROGRESS	正在进行的任务的进度信息	"数据迁移任务已完成 70%，还剩 3 个表"
参考资料	REFERENCE	对话中提及的有价值的参考信息	"项目架构图在 Confluence 的 /arch/overview 页面"

记忆状态

每条记忆有三种状态，用于管理记忆的生命周期：

状态	标识	说明
激活	ACTIVE	记忆处于活跃状态，可被检索和注入到对话上下文中
已归档	ARCHIVED	记忆被归档，不会被自动检索，但仍保留在系统中
已压制	SUPPRESSED	记忆被压制/屏蔽，不参与任何检索，通常用于标记错误或不再需要的记忆

状态转换关系如下：

ACTIVE ←→ ARCHIVED
ACTIVE ←→ SUPPRESSED
ARCHIVED → ACTIVE（重新激活）
SUPPRESSED → ACTIVE（重新激活）

记忆架构

Snail AI 的记忆系统采用短期记忆 + 长期记忆的双层架构，模拟人类记忆的工作模式：

短期记忆（滑动窗口）

短期记忆通过滑动窗口机制实现，保留最近 N 条对话消息作为即时上下文。

参数	说明	默认值
窗口大小	保留的最近消息条数	20 条
配置位置	智能体配置中的 shortTermMemorySize 字段	可在智能体配置页面修改

工作原理：当对话消息数超过窗口大小时，最早的消息会被移出窗口。滑动窗口中的消息会完整地作为上下文发送给大语言模型，确保智能体能理解当前对话的即时语境。

长期记忆（向量召回）

长期记忆通过向量化存储和语义检索实现，适用于跨对话、跨时间的信息持久化。

工作流程：

1. 记忆提取：系统按配置的间隔（默认每 4 轮对话），使用 LLM 从对话内容中自动提取关键信息，生成结构化的记忆条目。
2. 向量化存储：提取的记忆通过 Embedding 模型转化为向量，存储在向量数据库中。
3. 语义检索：当新的对话开始时，系统根据当前对话内容进行语义相似度搜索，召回相关的历史记忆。
4. 上下文注入：召回的记忆被注入到对话上下文中，帮助智能体理解用户的历史背景。

存储后端

长期记忆支持两种存储后端，适用于不同的部署场景：

存储后端	适用场景	说明
内存存储	单节点开发/测试	记忆存储在 JVM 内存中，应用重启后数据丢失
数据库存储	生产环境/分布式部署	记忆持久化到向量数据库（PgVector/Milvus/Elasticsearch），支持多节点共享

记忆与智能体的关系

记忆系统通过**记忆库（Memory Config）**与智能体关联：

1. 管理员在「记忆系统」中创建和配置记忆库，包括选择 Embedding 模型、向量存储实例、配置提取参数等。
2. 在智能体的配置页面中，启用「记忆」开关，并选择要绑定的记忆库。
3. 同一个记忆库可以被多个智能体共享，也可以为每个智能体创建独立的记忆库。

设计理念

记忆库与智能体解耦设计，使得记忆配置可以独立管理和复用。一个通用的记忆库配置可以同时服务于多个业务场景的智能体。

记忆数据模型

每条记忆包含以下核心字段：

字段	类型	说明
id	number	记忆唯一标识
agentId	number	所属智能体 ID
userId	number	所属用户 ID
conversationId	string	来源对话 ID
memoryType	enum	记忆类型（FACT/DECISION/PREFERENCE/TASK_PROGRESS/REFERENCE）
title	string	记忆标题
content	string	记忆内容
tags	string[]	标签列表
relevanceScore	number	相关性评分（0-1）
confidenceScore	number	置信度评分（0-1）
status	enum	记忆状态（ACTIVE/ARCHIVED/SUPPRESSED）
accessCount	number	被检索访问的次数
vectorId	string	在向量数据库中的向量 ID
createDt	string	创建时间
updateDt	string	最后更新时间

功能概览

记忆库管理

在「记忆系统」管理页面，以卡片网格形式展示所有已创建的记忆库。每张卡片显示：

• 记忆库名称
• 绑定的 Embedding 模型 ID
• 向量维度
• 最大召回数和相似度阈值
• 状态（启用/禁用）
• 关联的向量存储实例

卡片支持以下操作：

• 点击卡片：进入记忆检索与调试界面。
• 编辑：修改记忆库的配置参数。
• 删除：删除记忆库。

搜索与过滤

• 支持按记忆库名称关键词搜索。
• 列表顶部显示记忆库总数。

启用记忆的步骤

1. 创建记忆库：在「记忆系统」页面创建新的记忆库，配置 Embedding 模型和存储参数。详见 记忆库配置。
2. 绑定智能体：在智能体配置页面，启用「记忆」开关，选择刚创建的记忆库。
3. 开始对话：与智能体对话时，系统会自动进行记忆提取和检索。
4. 监控调试：通过记忆检索与调试界面查看记忆的提取和召回效果。详见 记忆检索与调试。

下一步

• 记忆库配置 -- 详细配置记忆库的各项参数
• 记忆检索与调试 -- 搜索、预览和调试记忆