文档中心

AgentKit

记忆库

在 Agent 中集成记忆库

在 Agent 中集成记忆库

本文介绍如何将记忆库集成到 Agent。

前提条件

已使用 VeADK 或 LangChain 开发框架构建 Agent 代码。

已创建记忆库或导入已有记忆库。

步骤一：配置环境变量

将记忆库集成至 Agent 中时，您可参照以下两种方式为其配置记忆库环境变量信息。

方式一：在智能体运行时中关联该记忆库。请参见更新关联记忆库。

方式二：获取环境变量后，在代码中配置。

获取配置环境。

您也可以通过调用 GetMemoryConnectionInfo 接口获取。

登录 AgentKit 控制台。

在左侧导航树中，选择“记忆库”，进入 Memory 页面。

单击目标记忆库 ID，进入“基本信息”页签。

单击“集成代码”页签，然后根据开发框架获取 Memory 环境变量信息。

配置环境变量。

mem0 记忆库
Viking 记忆库

export DATABASE_MEM0_BASE_URL=<MEM0_BASE_URL>
export DATABASE_MEM0_API_KEY=<MEM0_API_KEY>

# 若在智能体运行时环境中配置运行记忆库 +VeADK，无需配置 AK/SK；采用其他使用方式时，均需配置 AK/SK。
export VOLCENGINE_ACCESS_KEY=<your_access_key>
export VOLCENGINE_SECRET_KEY=<your_secret_key>

步骤二：代码集成

VeADK 代码集成示例

mem0 记忆库

安装 VeADK 和 mem0ai 包。

若已在本地虚拟环境中安装所需的 Python 依赖，请跳过本步骤，直接执行下一步。

pip install veadk-python mem0ai==0.1.118

在 Agent 中集成 mem0 记忆库。

# 参考如下memory示例集成代码，修改agent代码
import asyncio
import os

from veadk import Agent, Runner
from veadk.memory.long_term_memory import LongTermMemory
from dotenv import load_dotenv

load_dotenv()

if os.getenv("DATABASE_MEM0_API_KEY") is None:
raise ValueError("MEM0_API_KEY is not set")
if os.getenv("DATABASE_MEM0_BASE_URL") is None:
raise ValueError("DATABASE_MEM0_BASE_URL is not set")

# Replace the following from your own user & session management system
app_name = "ltm_demo"
user_id = "temp_user"
teaching_session_id = "teaching_session"
student_session_id = "student_session"

long_term_memory = LongTermMemory(backend="mem0", app_name=app_name)

agent = Agent(long_term_memory=long_term_memory)

runner = Runner(
agent=agent,
app_name=app_name,
user_id=user_id,
)

teaching_prompt = "My secret is 0xabcd"
asyncio.run(runner.run(messages=teaching_prompt, session_id=teaching_session_id))

# save the teaching prompt and answer in long term memory
asyncio.run(runner.save_session_to_long_term_memory(session_id=teaching_session_id,user_id=user_id))

# now, let's validate this in a new session, with the same user_id configured in the Runner
student_prompt = "What is my secret?"
response = asyncio.run(
runner.run(messages=student_prompt, session_id=student_session_id)
)
print(response)

Viking 记忆库

安装 veadk、volcengine-python-sdk 和 volcengine。

若已在本地虚拟环境中安装所需的 Python 依赖，请跳过本步骤，直接执行下一步。

pip install veadk-python volcengine-python-sdk volcengine

在 Agent 中集成 Viking 记忆库。

# 参考如下 memory 示例集成代码，修改 agent 代码
import asyncio
import os

from veadk import Agent, Runner
from veadk.memory.long_term_memory import LongTermMemory
from dotenv import load_dotenv

load_dotenv()

collection_name = os.getenv("DATABASE_VIKINGMEM_COLLECTION")
if not collection_name:
raise ValueError("DATABASE_VIKINGMEM_COLLECTION environment variable is not set")

long_term_memory = LongTermMemory(backend="viking_mem", index=collection_name)

# Replace the following from your own user & session management system
app_name = "ltm_demo"
user_id = "temp_user"

teaching_session_id = "teaching_session"
student_session_id = "student_session"

agent = Agent(long_term_memory=long_term_memory)

runner = Runner(
agent=agent,
app_name=app_name,
user_id=user_id,
)

teaching_prompt = "My secret is 0xabcd"
asyncio.run(runner.run(messages=teaching_prompt, session_id=teaching_session_id))

# save the teaching prompt and answer in long term memory
asyncio.run(runner.save_session_to_long_term_memory(session_id=teaching_session_id,user_id=user_id))

# now, let's validate this in a new session, with the same user_id configured in the Runner
student_prompt = "What is my secret?"
response = asyncio.run(
runner.run(messages=student_prompt, session_id=student_session_id)
)
print(response)

LangChain 集成示例

当前已经完成 AgentKit 后端多 Memory 的集成，请参考 mem0 或者 Viking 独立文档使用。如果您有其他需求，请单击右下角“文档反馈”。

步骤三：部署到云上生产环境

完成本地开发和测试后，您可以将集成会话资源的 Agent 部署到智能体运行时。

打包代码：确保所有依赖都已正确配置在requirements.txt中。

将 Agent 部署到智能体运行时，部署时，系统会自动注入必要的环境信息，无需手动配置会话资源环境变量。当前支持以下两种部署方式：

创建运行时（CLI 工具）

创建运行时（控制台）

最近更新时间：2026.10.27 14:34:24

这个页面对您有帮助吗？

有用

有用

无用

无用