当前位置：首页 > news >正文

Google Agent Development Kit (ADK) 指南第六章：记忆与状态管理

news 2026/5/12 15:25:40

Google Agent Development Kit (ADK) 指南第六章：记忆与状态管理

系列教程：这是《Google ADK 指南》系列的第六章。
前置知识：已完成第五章，掌握工具集成。

1. 记忆系统基础

1.1 记忆的作用

记忆系统让 Agent 能够：

💬保持上下文：多轮对话连贯
👤记住用户：个性化服务
📚积累经验：持续学习改进
🔗关联信息：跨会话知识

1.2 记忆架构

┌─────────────────────────────────────────────────────┐ │ 记忆管理系统 │ ├─────────────────────────────────────────────────────┤ │ ┌───────────────┐ ┌───────────────┐ │ │ │ 短期记忆 │ │ 长期记忆 │ │ │ │ (对话历史) │ │ (向量存储) │ │ │ └───────┬───────┘ └───────┬───────┘ │ │ │ │ │ │ └────────┬─────────┘ │ │ ↓ │ │ ┌───────────────┐ │ │ │ 记忆管理器 │ │ │ │ (检索/更新) │ │ │ └───────────────┘ │ └─────────────────────────────────────────────────────┘

1.3 记忆类型对比

类型	存储内容	存储位置	生命周期
短期记忆	对话历史	内存/Redis	会话期间
长期记忆	重要事实	向量数据库	永久
程序记忆	技能规则	配置文件	永久
情景记忆	特定事件	数据库	按需

2. 短期记忆

2.1 对话缓冲记忆

fromgoogle.adk.memoryimportConversationBufferMemory# 基础配置memory=ConversationBufferMemory(max_turns=10,# 保留 10 轮对话max_tokens=4000,# 最多 4000 tokensreturn_messages=True# 返回消息对象)# 使用agent=Agent(memory=memory)# 添加消息memory.add_message(role="user",content="你好")memory.add_message(role="assistant",content="你好！有什么可以帮助你的？")# 获取历史history=memory.get_history()# 输出：[("user", "你好"), ("assistant", "你好！...")]# 清除记忆memory.clear()

2.2 窗口记忆

fromgoogle.adk.memoryimportConversationWindowMemory# 只保留最近 N 轮memory=ConversationWindowMemory(window_size=5,# 最近 5 轮include_summary=True# 包含早期对话摘要)# 自动摘要早期对话# 对话 1-10: 摘要# 对话 11-15: 完整历史

2.3 实体记忆

fromgoogle.adk.memoryimportEntityMemory# 提取并存储实体信息memory=EntityMemory(entities=["user_name","preferences","location"],extraction_prompt="从对话中提取用户信息")# 自动提取memory.extract_and_store("我叫张三，喜欢喝咖啡")# 存储：{"user_name": "张三", "preferences": ["咖啡"]}# 查询实体name=memory.get_entity("user_name")# "张三"

3. 长期记忆

3.1 向量记忆

fromgoogle.adk.memoryimportVectorStoreMemoryfromgoogle.adk.vectorstoresimportVertexAISearch# 配置向量存储memory=VectorStoreMemory(store=VertexAISearch(project_id="your-project",location_id="global",index_id="memory-index"),embedding_model="text-embedding-004",top_k=5)# 添加记忆memory.add("用户喜欢红色产品",metadata={"user_id":"u123","category":"preference"})memory.add("用户住在北京",metadata={"user_id":"u123","category":"location"})# 语义搜索results=memory.search("用户偏好什么颜色？")# 返回最相关的记忆

3.2 总结记忆

fromgoogle.adk.memoryimportSummaryMemory# 自动总结对话memory=SummaryMemory(summarizer=Agent(model=Gemini("gemini-2.0-flash"),instruction="用一句话总结对话要点"),summary_interval=10# 每 10 轮总结一次)# 对话过程中自动创建总结# "用户咨询了产品 A 的价格和库存，表示考虑购买"

3.3 组合记忆

fromgoogle.adk.memoryimportCompositeMemory# 多层记忆系统memory=CompositeMemory(# 短期：最近对话short_term=ConversationBufferMemory(max_turns=10),# 中期：会话摘要mid_term=SummaryMemory(),# 长期：向量存储long_term=VectorStoreMemory(store=VertexAISearch(...)),# 实体：用户信息entity=EntityMemory(entities=["profile","preferences"]))# 检索时融合所有记忆context=memory.get_context(query="用户喜欢什么？")

4. 状态管理

4.1 会话状态

fromgoogle.adk.stateimportSessionState# 创建会话状态state=SessionState(session_id="session_123",ttl=3600# 1 小时过期)# 设置状态state.set("user_id","u123")state.set("cart_items",["item1","item2"])state.set("current_step","payment")# 获取状态user_id=state.get("user_id")cart=state.get("cart_items")# 更新状态state.update("cart_items",lambdax:x+["item3"])# 删除状态state.delete("current_step")# 清除所有state.clear()

4.2 工作流状态

fromgoogle.adk.stateimportWorkflowState# 多步骤工作流状态state=WorkflowState(workflow_id="order_process",steps=["validate","payment","ship","complete"])# 推进状态state.next_step()# validate → paymentstate.goto("ship")# 直接跳转到 ship# 检查状态ifstate.current_step=="payment":process_payment()# 状态回滚state.rollback()# 回到上一步# 状态持久化state.save()# 保存到数据库state.load()# 从数据库加载

4.3 用户状态

fromgoogle.adk.stateimportUserState# 用户级别状态user_state=UserState(user_id="u123",storage="redis"# 或 "database", "gcs")# 用户画像user_state.set_profile({"name":"张三","level":"VIP","preferences":{"color":"红色","category":"电子产品"},"history":["order_001","order_002"]})# 访问计数user_state.increment("visit_count")user_state.increment("purchase_count")# 最后活跃时间user_state.update("last_active",datetime.now())

5. 记忆优化策略

5.1 记忆压缩

fromgoogle.adk.memoryimportCompressedMemory# 压缩长对话memory=CompressedMemory(compressor=Agent(model=Gemini("gemini-2.0-flash"),instruction="压缩对话，保留关键信息"),compression_ratio=0.3,# 压缩到 30%trigger_tokens=3000# 超过 3000 tokens 时压缩)# 原始对话：3000 tokens# 压缩后：900 tokens

5.2 记忆优先级

fromgoogle.adk.memoryimportPrioritizedMemory# 给记忆设置优先级memory=PrioritizedMemory(priority_rules={"user_name":10,# 高优先级"preferences":8,"chat_history":5,# 低优先级"temporary":1})# 空间不足时，优先保留高优先级记忆

5.3 记忆过期

fromgoogle.adk.memoryimportExpiringMemory# 设置记忆过期时间memory=ExpiringMemory(default_ttl=86400,# 默认 1 天rules={"session_data":3600,# 会话数据 1 小时"user_profile":604800,# 用户信息 7 天"preferences":2592000# 偏好 30 天})# 自动清理过期记忆memory.cleanup_expired()

5.4 记忆缓存

fromgoogle.adk.memoryimportCachedMemory# 缓存频繁访问的记忆memory=CachedMemory(backend="redis",ttl=300,# 5 分钟max_size=1000)# 热点记忆自动缓存# 减少数据库查询

5.5 性能监控

fromgoogle.adk.memoryimportMonitoredMemory memory=MonitoredMemory(base_memory=ConversationBufferMemory(...),metrics=["access_latency","storage_size","hit_rate"])# 获取指标metrics=memory.get_metrics()# {"access_latency": 0.05, "storage_size": "1MB", "hit_rate": 0.95}