语义记忆与工作流

本页汇总与语义记忆相关的示例与实践建议, 方便从「组件」上升到「工作流」与场景层面。

示例导航

• 语义记忆(Semantic Memory) 示例
• 工作流 + 语义记忆 示例
• 从短期记忆到长期记忆

典型模式

1. 查询前置模式:
   • 在工作流的第一步使用 SemanticMemory.Search 或 semantic_search 工具;
   • 将命中的上下文拼接到 prompt 中;
   • 再调用底层 LLM 完成主要任务。
2. 教学/设置模式:
   • 使用 Session 接受「教学」或「配置说明」;
   • 结束后通过 LongTermBridge 将会话内容写入语义记忆;
   • 后续所有工作流在需要时通过语义检索回忆这些知识。
3. 混合记忆模式:
   • 短期记忆(Working Memory) 记录当前任务状态;
   • 文本长期记忆记录结构化决策/规范;
   • 语义长期记忆记录分散的自然语言知识。

设计建议

• 不要把所有历史直接塞进语义记忆, 只挑「值得长期保留的知识」写入;
• 尽量在 metadata 中带上 user_id/project_id/resource_id, 使用 NamespaceScope 做好隔离;
• 在工作流中显式区分:
  • 「检索上下文」步骤;
  • 「调用模型生成答案」步骤。