agent-memory

用途：为智能体增加跨对话的短期、长期与语义记忆及检索能力，实现跨会话的个性化与上下文管理。\n\n主要能力：提供 memory_type（buffer、summary、vector、hybrid，默认 hybrid）与 persistence（session、user、global，默认 session）等参数选择；支持对话历史、长期记忆、个性化智能体与上下文窗口管理。\n\n使用方式：技能含 task（必填，记忆目标）等参数；文档给出基于 LangChain 的示例，如 ConversationBufferWindowMemory(k=10)、ConversationSummaryBufferMemory(llm=llm, max_token_limit=2000)、VectorStoreRetrieverMemory(retriever=vectorstore.as_retriever())。示例代码属资料原文，未提供完整长示例。\n\n适用场景：短对话用 Buffer；长对话用 Summary；语义召回用 Vector；生产环境用 Hybrid。生产建议采用多层级记忆（短期 BufferMemory(k=10)、摘要 SummaryMemory、长期 VectorMemory），设置 token 上限防止溢出，添加时间戳与重要性等元数据，为旧记忆实现 TTL。\n\n限制：Vector 检索较慢且混合架构复杂；摘要会丢失细节，缓冲不做压缩。排障包括上下文溢出加摘要、检索慢则缓存并减小 k、召回不相关则改进嵌入、记忆未持久化检查存储后端。相关技能：rag-systems、llm-integration、ai-agent-basics。参考资料：LangChain Memory、MemGPT Paper。