redis/agent-memory-server

解决的问题

它解决了在 LLM 提示中使用完整对话历史的可扩展性与成本问题。大型提示既昂贵又缓慢，且可能因受限的上下文窗口而导致准确度下降，使代理难以在不增加提示大小的情况下回忆过去会话的信息。

运作方式

Redis Agent Memory 采用两层式记忆模型：

• 会话记忆：以可配置的存活时间（TTL）维护主动对话状态。
• 长期记忆：将过去会话中提取的事实存储为文本与向量嵌入，以供检索。

信息会在后台自动从会话记忆提升至长期记忆，让代理积累知识而不拖慢实时交互循环。

适用对象

开发构建需要跨多个用户会话持久回忆事实、事件与偏好的 AI 代理的开发者。

重点特色

• 两层式架构：将即时会话状态与长期事实存储分离。
• 后台提取：自动将重要信息提升至长期记忆。
• 基于向量的检索：使用嵌入来回忆先前交互中的相关事实。
• SDK 与 API：提供 Python 与 TypeScript SDK 及 REST API 以利集成。