实时音视频
实时音视频
文档指南
请输入
- 文档首页
实时音视频硬件对话智能体用户指南接入记忆库（长期记忆）
复制全文
下载 pdf接入记忆库（长期记忆）
文档反馈
问问助手将历史对话、用户画像、行为事件等关键信息存储在火山 Viking 记忆库，让 AI 具备跨会话的长期记忆能力。当用户提问时，系统会从记忆库中检索相关信息，并将 用户问题 + 过渡语（若配置） + 被采纳的记忆 拼接后送给 LLM 生成，从而生成更个性化、更精准的回复。
计费说明
工作原理
接入并启用记忆库后，每一轮对话的处理流程如下：
- 记忆检索：系统根据 AibotCreate 接口中 MemoryConfig.filter 中的规则，从记忆库中检索与当前问题相关的历史片段。
- 上下文构建：系统将 用户问题 + 过渡语（若配置） + 被采纳的记忆 拼接后送往 LLM 生成回复。
使用限制
记忆库需要在 default 项目下，暂不支持在个人项目下。
实现步骤
步骤 1：创建记忆库并授权
- 创建 Viking 记忆库：访问 Viking 记忆库控制台，在 default 项目下，创建一个事件规则的记忆库。具体操作，请参见创建记忆库。
-
- 授予 RTC 访问记忆库的权限：在访问控制（IAM）控制台-角色管理，搜索并找到 VoiceChatRoleForRTC，为其添加 MLPlatformVikingDBFullAccess 和 VikingdbFullAccess 权限。
步骤 2：准备数据并写入记忆库
不同数据类型，对应的 messages 列表中的数据结构如下：
- 建议通过服务端获取，并只存储完整句子（paragraph: true）。
- 将解析出的 text 按照角色（userId 对应是真人还是 AI ）组织成 messages 格式。
// 存入 messages 字段的内容示例
[
{"role": "user", "content": "我想学习如何制作正宗的意大利面。"},
{"role": "assistant", "content": "没问题！制作意面首先要煮沸一锅水并加入适量的盐。"}
]
按 schema 说明+字段数据 格式写入用户行为、操作日志等结构化数据。
// 存入 messages 字段的内容示例
[
{
"role": "user",
"content": "[schema说明。bhv_time：行为时间/bhv_type：行为类型/stay_time：停留时长]bhv_time:2025-09-21 10:00:00/bhv_type:open/user_id:<your_user_id>/stay_time:100s"
}
]
将文本和图片组织成内容列表。
// 存入 messages 字段的内容示例
[
{
"role": "user",
"content": [
{ "type": "image_url", "image_url": { "url": "https://example.com/sandwich.jpeg" } },
{ "type": "text", "text": "我刚刚吃了一个这样的三明治，味道不错。" }
]
}
]
步骤 3：启用记忆库
"Config": {
"MemoryConfig": {
"Enable": true,
"Provider": "volc",
"ProviderParams": {
"collection_name": "customer_service_memory", // 来源于步骤 1 在 VikingDB 控制台创建的记忆库名称
"limit": 3,
"filter": {
"user_id": ["<YOUR_USER_ID>"], // user_id 和 assistant_id 至少填一个
// "assistant_id": ["assistant_123"],
"memory_type": ["order_event"] // 来源于步骤 1 在 VikingDB 的事件规则定义
},
"transition_words": "根据您的历史记录："
}
},
// ... 其他 Config 配置 ...
}
最近更新时间：2026.07.19 13:13:43
这个页面对您有帮助吗？
有用
有用
无用
无用