Memo 设计与更新

适用版本：4.0.8+

新版 Session 不再内置“固定 memo 算法”。

你可以把 memo 当成任意结构化状态（dict/list/str/...），并在自定义执行策略里更新它。

1. 设计原则

建议 memo 只保留“稳定、可复用”的信息，例如：

用户长期偏好（语言、风格、格式）
任务长期约束（输出字段、审计规则）
对话中确定事实（项目代号、时间线）

不建议把瞬时上下文原样复制进 memo，否则会和 context_window 重复。

2. 何时更新 memo

常见触发条件：

context_window 超过阈值
业务阶段切换（如需求澄清 -> 方案输出）
每 N 轮进行一次总结

3. 实战：LLM 驱动 memo 更新

python

from agently import Agently

agent = Agently.create_agent()
agent.activate_session(session_id="memo_demo")
session = agent.activated_session


def analysis_handler(full_context, context_window, memo, session_settings):
    if len(context_window) > 6:
        return "compress_with_memo"
    return None


async def compress_with_memo(full_context, context_window, memo, session_settings):
    kept = list(context_window[-4:])

    memo_request = agent.create_temp_request()
    (
        memo_request
        .input({
            "history_to_compress": [m.model_dump() for m in context_window[:-4]],
            "old_memo": memo,
        })
        .instruct("请将 history_to_compress 与 old_memo 合并为结构化长期记忆")
        .output({
            "user_preferences": {"<key>": (str, "偏好值"), "...": "..."},
            "stable_facts": [{"fact": (str,), "confidence": (float,)}],
        })
    )

    # 注意：真实项目建议加 ensure_keys 和异常兜底
    new_memo = await memo_request.async_start(ensure_keys=["user_preferences", "stable_facts"])
    return None, kept, new_memo


session.register_analysis_handler(analysis_handler)
session.register_execution_handlers("compress_with_memo", compress_with_memo)

4. memo 如何注入模型

当 session.memo 非空时，SessionExtension 会在请求前自动追加：

CHAT SESSION MEMO

你无需手动 agent.info({"memo": ...})。

5. 生产建议

给 memo 定义固定 schema，避免字段漂移
在执行器中加入异常回退：失败时返回旧 memo
控制 memo 体积，避免替代 context_window
对关键字段加测试（如 user_preferences.language）

Memo 设计与更新 ​

1. 设计原则 ​

2. 何时更新 memo ​

3. 实战：LLM 驱动 memo 更新 ​