跳转到主要内容

​
摘要

这个入门项目展示了一种清晰的方式，如何在一个小型智能体循环中分离活动笔记、工作记忆、检索输入和持久化工件。

​
状态

starter

​
其存在的原因

记忆示例通常会把所有内容都压缩到一个含糊的历史对象中。这个入门项目刻意缩小了范围：它强调了智能体当前持有的内容、可以检索的内容，以及应该作为工件保留的内容之间的边界。

​
相关实验室页面

​
文件夹结构

agent-memory-retrieval-starter/
├── index.mdx
├── SOURCE_NOTES.mdx
└── src/
    ├── artifact_policy.py
    ├── memory_flow.py
    └── retrieval_trace.py

​
快速开始

这是一个入门项目，不是可运行的应用程序。阅读 src/memory_flow.py，了解最小状态形状，并将其作为后续更完整示例的基础。对于仓库级别的冒烟检查，请在仓库根目录运行 python3 scripts/verify_example_projects.py。

​
包含的示例文件

  • src/memory_flow.py：用于活动笔记、检索输入和持久化工件的最小有用状态容器
  • src/retrieval_trace.py：一个用于让检索决策可检查的轻量排名与追踪界面
  • src/artifact_policy.py：展示入门项目如何将工件提升规则与原始笔记捕获分离的单一位置

​
约束

  • 目前尚未接入存储后端。
  • 不包含嵌入或向量数据库集成。
  • 该示例更强调清晰的边界，而非完整性。

​
下一步

  • 添加一个简单的持久化层。
  • 添加工件提升规则和检索追踪。