AI 与 LLM智能体Performance 和 Scale 套餐

具备记忆的智能体

为长时间运行的智能体提供对话上下文、可召回的知识、任务状态和审计记录,全部集中在一处。

种记忆类型
4
个存储容纳全部
1
智能体框架
任意
步骤 1 / 6
开启对话

一个会话保留最近若干轮对话的滚动窗口。

示例会话playing
# 开启对话
hotkv> AMEM.CONV.CREATE session:42 WINDOW 20
OK

使用真实 HotKV 命令和示例回复的动画演示。点击任意步骤即可跳转。 命令和回复保持英文,与您在 HotKV 中输入和看到的完全一致。

问题所在

在步骤之间就会遗忘的智能体无法完成长任务。常见的做法是一张聊天记录表、一个存放事实的向量库和一块存放状态的草稿区,即便如此,仍然没有一份完整记录说明智能体到底做了什么。

HotKV 如何解决

HotKV 以命令的形式提供四种智能体记忆。对话窗口保存对话上下文,语义记忆按语义召回相关事实,工作记忆跟踪当前任务的状态,情景日志则记录智能体做过的事。

逐步演示

逐条命令,看看发生了什么

  1. 01

    开启对话

    一个会话保留最近若干轮对话的滚动窗口。

    AMEM.CONV.CREATE session:42 WINDOW 20
  2. 02

    记录客户说的话

    每一轮都连同其角色一起追加。

    AMEM.CONV.APPEND session:42 user "Why was my invoice declined?"
  3. 03

    召回相关事实

    之前用 AMEM.SEM.STORE 存入语义记忆(用 AMEM.SEM.CREATE 创建)的事实,按语义而非关键词被找到。

    AMEM.SEM.RECALL billing-agent 3 0.02 0.7 ...
  4. 04

    跟踪任务

    工作记忆保存智能体当前进行到哪一步,任务结束很久之后会自动过期。

    AMEM.WORK.SET session:42 step "checking payment gateway" TTL 600
  5. 05

    记录操作

    智能体执行的每个操作都会被记录,便于审计和调试。

    AMEM.EPIS.LOG billing-agent action "Reissued invoice INV-9921"
  6. 06

    为下一轮提供上下文

    最近的对话轮次进入下一次提示词,智能体永远不会跟丢话题。

    AMEM.CONV.WINDOW session:42 10
适用场景

真实场景

客服智能体

处理退款的智能体记得客户之前的消息、店铺的政策,以及退款进行到了哪一步。

研究助手

在漫长的调研过程中,发现被存为语义事实,并在撰写摘要时被召回。

运维机器人

值班机器人的每个操作都记录在情景日志中,人工可以准确复查它做了什么以及为什么。

内置功能

您将获得

对话记忆

每个会话保留最近对话轮次的滚动窗口。

AMEM.CONV.APPENDAMEM.CONV.WINDOW

语义记忆

按语义召回的事实,可选设置 TTL。

AMEM.SEM.STOREAMEM.SEM.RECALL

工作记忆

可以自行过期的任务状态。

AMEM.WORK.SETAMEM.WORK.GET

情景日志

操作和观察记录,可按类型和时间查询。

AMEM.EPIS.LOGAMEM.EPIS.QUERY

常见问题

这和把聊天记录存进数据库有什么不同?

四种记忆类型共享一个存储和一个连接,因此召回、任务状态和操作日志不必各自需要一个服务。

智能体框架有影响吗?

没有。记忆以 Redis 协议上的命令形式提供,MCP 服务器则将其开放给 MCP 客户端。LangGraph 还有专门的检查点和存储。

哪些套餐包含此功能?

智能体记忆包含在 Performance 和 Scale 套餐中。

相关用例

在您自己的工作负载上试试

HotKV 兼容 Redis 协议,您可以把现有客户端指向它,运行这些相同的命令。