代理记忆

短期记忆

短期记忆 (STM) 按时间顺序存储原始对话历史记录。平台会实时记录每个回合的发生。当您的代理需要最近轮次的即时会话上下文时，它会从 STM 读取。

从对话到记忆

Atlas Agent Engine 通过三个阶段的生命周期将会话转换为持久性内存：

• 回合记录：当代理与用户交互时，平台会将每个回合记录到短期记忆中。

• 快照生成：当会话达到配置的消息计数或空闲阈值时，背景进程会将对话历史记录编译为汇总快照。

• LLM 提取：大型语言模型 (LLM) 分析快照并将持久性知识提取到适当的长期记忆类型中。

由于提取是异步运行的，因此记录轮次永远不会阻止代理的响应。从会话中提取的知识可以在长期记忆中用于后续对话，而不是在下一回合中使用。最近的回合仍然可以通过短期记忆立即获得，提取的知识也会在不久后出现。

长期记忆

长期记忆跨会话持续存在，并保存从对话中提取的持久性知识。该平台通过提取短期内存或直接写入来创建长期内存。

对于平台部署的代理，平台会自动将对话记录为短期记忆，并从中提取长期记忆，尽管代理可以在需要时直接写入长期记忆。外部应用程序通常使用用于平台提炼的软件开发工具包 (SDK)写入短期内存。它们还可以通过 SDK 或内存模型上下文协议 (MCP) 直接写入长期内存。

语义记忆

语义记忆存储有关用户或应用程序的带标签事实。事实是指在产生该事实的对话之外仍然具有相关性的知识。示例，事实可以捕获用户的家乡机场或其对窗口座位的偏好。

Atlas Agent Engine 通过背景提取和直接写入创建语义内存：

• 后台提取：从对话快照中提取事实，并随着时间的推移整合重复或更新的信息。

• 直接写入：使用 save_semantic(label=..., text=...) 保存事实。

要检索事实，请使用 get_semantic 按标签查找事实，或使用 search_semantic 按含义查找事实。默认默认下，build_context 中包含语义记忆，因此相关事实会出现在代理检索的上下文中。

以下示例保存事实，按标签检索事实，并按含义搜索聊天：

from agentic_platform_memory import (
    Memory,
    MemoryRequestContext,
)
memory = Memory(
    api_key="<your-access-token>",
    project_id="<your-project-id>",
)
chat = memory.bind(
    MemoryRequestContext(
        user_id="user_1",
        session_id="thread_123",
    )
)
chat.save_semantic(
    label="home-airport",
    text="The user's home airport is Boston.",
)
fact = chat.get_semantic("home-airport")
hits = chat.search_semantic("home airport")

情景记忆

情景记忆将过去的对话存储为汇总的情景。情节捕获对话中发生的事情，包括所做的决定和随后的结果。情景记忆回答了代理应该了解用户过去交互的哪些信息。

Atlas Agent Engine 通过背景提取和直接写入来创建情景内存：

• 后台提取：从对话快照中提取分集及其参与者。

• 直接写入：使用 save_episode(title=..., content=...) 保存分集。

情节在对话中持续存在。代理可以在后续对话中回忆起一次对话中发生的事情。

要检索单集，请使用 search_episodes 按含义查找单集，或使用 list_episodes 列出用户的单集。情节记忆是 build_context 中的默认来源之一，因此包括相关情节。

以下示例将保存一个分集、搜索该分集并列出用户的分集：

from agentic_platform_memory import (
    Memory,
    MemoryRequestContext,
)
memory = Memory(
    api_key="<your-access-token>",
    project_id="<your-project-id>",
)
chat = memory.bind(
    MemoryRequestContext(
        user_id="user_1",
        session_id="thread_123",
    )
)
chat.save_episode(
    title="Vacation planning",
    content="Planned a summer trip to Lisbon.",
)
episodes = chat.search_episodes("trip to Lisbon")
recent = chat.list_episodes()

程序内存

程序内存存储可重用的程序：代理为完成特定任务而遵循的逐步工作流程。过程捕获如何执行某些操作，例如比较航班选项或处理退款请求。

Atlas Agent Engine 通过背景提取和直接写入来创建程序内存：

• 后台提取：从对话快照中提取可重用的过程。

• 直接写入：使用 save_procedure(procedure=..., description=..., content=...) 保存过程。

要检索过程，请使用 discover_procedures 通过查询查找候选过程，或使用 get_procedure 按名称加载完整过程。程序记忆需要在 build_context 中显式选择加入，而不是语义和情景默认值。

以下示例保存并检索过程：

from agentic_platform_memory import (
    Memory,
    MemoryRequestContext,
)
memory = Memory(
    api_key="<your-access-token>",
    project_id="<your-project-id>",
)
chat = memory.bind(
    MemoryRequestContext(
        user_id="user_1",
        session_id="thread_123",
    )
)
chat.save_procedure(
    procedure="compare-flights",
    description="Compare flight options.",
    content="Rank flights by price, stops, and total travel time.",
)
candidates = chat.discover_procedures("compare flights")
full = chat.get_procedure("compare-flights")

分类内存

分类内存存储领域术语及其定义。术语定义了单词在域中的含义，例如 red-eye 在差旅管理中的含义。与用户范围的记忆不同，分类记忆是项目中所有用户和对话都可用的共享领域知识。

Atlas Agent Engine 通过背景提取和直接写入来创建分类内存：

• 后台提取：从对话快照中提取术语及其领域。

• 直接写入：使用 save_taxonomic(domain=..., term=..., definition=...) 保存术语。

要检索术语，请使用 get_taxonomic_term 按域和术语查找，或使用 search_taxonomic 按含义查找术语。使用 list_domains 列出您的项目拥有的域。分类记忆需要在 build_context 中显式选择加入。

以下示例将保存、读取并搜索术语：

from agentic_platform_memory import (
    Memory,
    MemoryRequestContext,
)
memory = Memory(
    api_key="<your-access-token>",
    project_id="<your-project-id>",
)
chat = memory.bind(
    MemoryRequestContext(
        user_id="user_1",
        session_id="thread_123",
    )
)
chat.save_taxonomic(
    domain="airline",
    term="red-eye",
    definition="An overnight flight that lands the next morning.",
)
definition = chat.get_taxonomic_term("airline", "red-eye")
matches = chat.search_taxonomic("overnight flight", domain="airline")
domains = chat.list_domains()

区分类型

如果信息似乎跨越多个类别，请评估它在这些操作边界上的位置：

• 事实与事件（语义与情节）：语义记忆存储当前状态或事实，例如旅客的首选席位或出发机场。情景记忆存储讨论或使用该偏好的交互的历史叙述，例如过去的航班预订对话。

• 知识与执行（语义与程序）：语义记忆提供代理回忆的事实，例如行李限额限制。程序内存提供代理执行的指令，例如搜索和比较航班所需的步骤序列。

• 用户上下文与领域标准（语义与分类）：语义记忆跟踪特定于用户的详细信息，例如旅行者的飞行常客层级。分类记忆定义了整个项目共享的标准术语，例如定义精英层级或红眼航班的资格标准。

组合内存类型

内存类型是互补的，而不是互斥的。单个代理通常会在同一工作流程中查询多种内存类型。示例，旅行预订代理可能会引用：

• 语义记忆，用于回忆旅行者的家乡机场、座位偏好和常旅客号码。

• 情景记忆，用于查看过去行程中的讨论、预订的行程和取消的航班。

• 程序内存，用于执行分步工作流程，以比较航班选项或重新预订已取消的转机。

• 用于解释航空业术语的分类记忆，例如 open-jaw routing、layover 或 red-eye。

如果您的数据不适合四种内置类型中的任何一种，则可以改为声明自定义内存类型。要学习；了解如何操作，请参阅《为代理添加内存》指南中的声明自定义内存类型。