首页 › Agent Spring Boot › Memory 对话记忆

窗口策略

参数	默认值	作用
max-messages	20	短期 LIST 最多保留条数
session-ttl-minutes	120	无活动后会话过期
max-memories	200	长期记忆上限，超出淘汰
search-top-k	5	search_memory 返回条数

对话超长时，旧消息被 LTRIM 裁掉。模型仍可通过 search_memory 捞长期库里的摘要。

为什么不把 tool 中间态写入短期记忆

assistant 带 tool_calls 的消息只在当轮 callLLM 内存在。持久化只存：

• 用户最终问题
• 助手最终自然语言回答

减少 Redis 体积，也避免下轮 context 里夹杂无效 tool JSON。

聊天模式 vs Agent 模式

	ChatService 流式	AgentService + Memory
端点	GET /api/chat/stream	POST /api/agent/chat
记忆	无	短+长
Tool	无	6 个
流式	是	否

用户要「记得刚才说了什么」必须走 Agent 模式。

Token 与注入权衡

system: 角色 + Tool 说明 + 最多 10 条长期记忆
messages: 短期 history（≤20 条 user/assistant）
user: 当前问题

长期记忆全塞进 system 会涨 Token。策略：

• system 只放 top 10 条摘要
• 更多用 search_memory 按需拉取
• 短期窗口 20 条对客服场景通常够

与 RAG 的边界（预告）

记忆	RAG
用户个性化事实	企业知识库文档
Redis 关键词检索	Embedding 语义检索
save_memory	search_articles

agent-rag 会同时保留两套，System Prompt 由 MemoryManager.buildSystemPrompt(userId, ragContext) 扩展。

面试可讲的设计点

1. 双 ID：userId 跨会话，sessionId 隔离对话
2. history 双源：客户端优先，Redis 降级
3. 长期记忆 Tool 化：模型决定记什么，比 NLP 规则抽取更省事
4. 不用 Spring AI Memory：协议透明，但迁移到 MessageChatMemoryAdvisor 时可对照本实现

学习点

• 窗口 + TTL 控制成本；长期记忆用 Tool 按需检索补全。
• 流式聊天与记忆 Agent 分路径，产品上要模式区分。
• 下一阶段在 agent-rag 加文章向量检索。

小结

• 短期 LTRIM + 长期淘汰 + search_memory 构成完整记忆策略。
• Agent 路径非流式，但带完整 Memory + Tool。
• agent-memory 完成后进入 agent-rag 整合 RAG。

上一节：Redis Service 实现
下一节：RAG 架构

贡献者: 布欧-Lewyon

上一页ShortTermMemoryService 与 LongTermMemoryService

下一页agent-rag 全能力串联