功能介绍
智能体记忆（Memory）旨在为智能体（Agent）提供长期记忆与上下文管理能力，解决多轮对话遗忘、跨会话断档与记忆混杂的问题。系统会将原始对话记录为事件（Event），并在合适时机将信息抽取为高信息密度的长期记忆（Record）。召回侧提供 300ms 级快速召回与 Agentic Search 多轮检索推理，既能在实时对话中补全关键背景，也能异步完成时序总结、画像汇总等复杂任务；同时可结合场景记忆为召回结果补充上下文，提升召回的准确性与可解释性，从而实现更个性化、更连续、更“懂你”的交互体验。
核心价值
上下文延续：在多轮与跨会话中保留关键背景、目标与历史结论，减少用户反复同步信息与重复输入。
个性化服务：从对话中沉淀用户画像与稳定偏好，后续交互中可主动回忆并应用，实现更贴合个人的推荐与表达方式。
时序记忆回溯：抽取结构化事件并推理起止时间范围，支持按时间线检索与复盘，稳定回答“我去年今天在干什么”等时序问题。
记忆共享与复用：多个 Agent 可以共享并复用相同的记忆资源。可以利用过去的知识和记忆来快速完成任务。
设计框架
Memory 模块为 Agent 提供长期记忆与上下文管理能力。用户与 Agent 的原始对话首先以 Event 形式记录，作为可回溯的原文层，并标注 Scene（对话情境）以区分不同任务背景。当对话达到阈值时，记忆策略（Strategy）自动进行高密度抽取并写入长期记忆 Record。
说明：
系统默认支持如下两类记忆策略（Strategy）。自定义策略功能处于开发阶段，将支持用户根据场景需求定制抽取规则。
画像记忆策略（Persona）：专注于提取用户的长期稳定特征（如身份背景、沟通风格、偏好与技能），自动过滤临时性内容与一次性指令，保证画像能够稳定复用。
事件记忆策略（Episodic）：专注于提取客观事实事件（人物、时间、地点、动作、关系），并通过将相对时间转换为 ISO 起止时间范围，便于后续构建时间线与执行时序召回。
为满足多样化的检索需求，召回侧提供两种模式，分别适用于不同复杂度的场景：
快速召回：300ms级响应，用于在线补全关键长期记忆，支持开启 Rerank 模型筛选记忆，提升检索准确度。适用于需要快速响应的实时对话场景。
Agentic Search：多轮检索与推理，弥补传统 RAG 的单跳局限，适用于时序总结、画像汇总等需要多跳与全局视角的复杂任务。通过迭代检索与推理，能够处理深度关联的查询需求。
每条记忆均附带对话情境与元信息，降低跨背景混用与串场风险。
基本概念 | 含义 | 资源限制说明 |
Memory | 智能体记忆，一个专门用来存储历史对话、用户偏好、事件记录等信息的“记忆库”。 | 每个腾讯云账户下最多可创建5个 Memory，用于隔离不同应用或核心场景。 |
Actor | 用户，指 Agent 对话中的一个终端用户。 | 每个 Memory 内无 Actor 数量限制。 |
Session | 会话，用户就一个话题或多个话题而新建的会话窗口。 | 每个 Memory 内无 Session 数量限制。 |
Scene | 情境描述，对对话发生的背景事件/任务进行总结，为抽取出的记忆提供背景信息。 | 无数量限制 |
Event | 短期记忆，一轮对话或者多轮对话的具体内容、工具使用或其他相关信息。 | 每个 Memory 无 Event 数量限制。 |
Record | 长期记忆，基于 Event 会话数据，通过 LLM 提取的事实、画像、摘要等可供长期复用的结构化知识核心。 | 每个 Memory 无 Record 数量限制。 |
Strategy | 长期记忆策略，从用户对话 Event 中提取生成长期记忆的策略。 | 默认支持的策略如下： 画像记忆（Persona）：持久化存储用户画像、社交关系与偏好特征，支撑跨会话的个性化服务与身份一致性。 事件记忆（Episodic）：自动提取并时序化存储用户行为、决策与经历，构建交互编年史。支撑对话里程碑回溯，实现基于历史事实的主动服务。 说明： 自定义策略：允许用户根据特定领域、场景或需求，定制专属记忆生成策略。当前在开发中，敬请期待。 |
使用场景
Memory 模块是智能体（Agent）实现持续认知与个性化交互的核心基础设施。Agent 开发者可以根据不同的上下文需求，从短期记忆（Event）中获取最近的对话原文，从长期记忆（Record）中精准检索出被提炼的信息。通过使用不同的记忆组合，LLM 不仅能理解当前的直接问题，还能拥有更完整的背景信息和用户历史等信息，从而生成更加连贯、精准且个性化的回应，完成从记忆到智能的高效闭环。
情感陪伴场景
在情感陪伴场景中，Memory 模块扮演着智能体的“情感中枢”，可超越简单地记录对话内容，转而深度理解并记忆用户的情绪波动、性格特质、生活事件及其背后的情感脉络。系统会自动化地从日常交流中提炼出用户的压力源、安慰方式、情绪周期模式以及重要的人际关系，并将其沉淀为高维度的情感画像。当用户再次交互时，智能体能够瞬时调用这些记忆，提供具有高度共情性和连续性的回应。例如，它能主动识别出用户周日晚上的焦虑情绪，并回忆起此前有效的舒缓方式，从而提供“感同身受”的安慰与建议。
医疗与健康管理
Memory 可以作为一个持续、私密的个人健康助手，通过长期、细致地记录用户的健康信息，提供高度个性化的支持。Memory 能够帮助管理慢性病，记录用户的用药历史、症状变化及对特定药物的反应，从而提供更精准的服药提醒和生活方式建议（例如：“您上次提到吃了 X 食物后血糖会升高，这次需要记录一下吗？”）。同时，Memory 在心理健康方面，通过追踪长期的情绪波动模式，识别可能的诱因（如季节变化或特定事件），并在用户情绪低落时给予贴合其个人历史的应对策略。此外，作为健康档案助手，Memory 还能帮助用户轻松记录和整理零散的健康信息，如历年体检指标变化、过敏史和家族病史，并在需要时生成简洁清晰的摘要，极大方便与医生的高效沟通。
个性化教育场景
在个性化教育领域，Memory 模块是驱动智能导师实现“因材施教”的“智能学籍卡”，可持续追踪并分析每一位学习者的完整互动轨迹，精准刻画其知识掌握度、思维误区、学习节奏与内容偏好，动态构建出一个不断演进的个人能力模型。基于此模型，教学智能体能够进行前瞻性的干预与自适应调整：在讲解新知识点时，自动关联其已掌握的概念进行正向迁移；在练习环节，精准预判并提示其可能出现的特定错误；在内容呈现上，优先采用该学习者最容易理解的案例或形式（如图解、类比等）。使得教学互动不再是千篇一律的重复，而是完全围绕学习者独特性展开的动态、高效、正向反馈的成长旅程，最大化提升学习者的信心与学习效果。
