AliveRiver

外观

adk-go-memory

约 2767 字大约 9 分钟

GoAgent

2026-04-19

Memory 负责是“跨对话线程以后还能想起什么”。

在 adk-go 里，Memory 不是自动替你保存所有历史的魔法盒。它更像一个长期记忆服务接口：你把某个 Session 里的事件喂进去，后面再按用户问题把相关记忆查出来，交给 Agent 使用。

所以先把边界说清楚：

  • Session 解决短期上下文，也就是同一个 sessionID 内的历史、状态和事件。
  • Memory 解决长期检索，也就是同一个用户跨多个 Session 的历史知识。
  • Runner 不会默认把每个 Session 自动写进 Memory，你需要在合适时机调用 AddSessionToMemory。
  • adk-go v1.0.0 内置的 memory.InMemoryService() 只是内存版关键词检索，不是生产级向量数据库。

如果你只是想让 Agent 接着上一轮聊，优先用 Session。只有当你希望“新开一个 Session 之后，Agent 还能检索过去的有用信息”，才需要 Memory。

Memory的核心接口

adk-go 的长期记忆接口在 google.golang.org/adk/memory 包里。核心接口很小：

type Service interface {
	AddSessionToMemory(ctx context.Context, s session.Session) error
	SearchMemory(ctx context.Context, req *SearchRequest) (*SearchResponse, error)
}

type SearchRequest struct {
	Query   string
	UserID  string
	AppName string
}

type SearchResponse struct {
	Memories []Entry
}

type Entry struct {
	ID             string
	Content        *genai.Content
	Author         string
	Timestamp      time.Time
	CustomMetadata map[string]any
}
  1. AddSessionToMemory：把一个 Session 里的事件抽取进 Memory。官方注释里也说明了，同一个 Session 生命周期里可以被添加多次。
  2. SearchMemory：根据查询条件检索记忆，返回相关的 Entry 列表。
  3. SearchRequest.Query：这次要查什么。
  4. SearchRequest.UserID：只查某个用户的记忆，避免用户之间串数据。
  5. SearchRequest.AppName：只查某个应用里的记忆，避免不同应用之间串数据。
  6. Entry.Content：记忆正文，类型是 *genai.Content，所以它不是只能存字符串，也能沿用 genai 的消息结构。
  7. Entry.Author：这条记忆是谁说的，常见是 user、model 或某个 agent 名称。
  8. Entry.Timestamp：这条记忆发生的时间。
  9. Entry.CustomMetadata：自定义元数据，比如来源、标签、重要性、业务 ID。

另外在 Agent 运行时，agent.InvocationContext 里拿到的不是原始 memory.Service，而是更窄一点的 agent.Memory：

type Memory interface {
	AddSessionToMemory(context.Context, session.Session) error
	SearchMemory(ctx context.Context, query string) (*memory.SearchResponse, error)
}

这里 SearchMemory 只需要传 query，因为 Runner 已经知道当前的 AppName、UserID 和 SessionID，会在内部帮你补进 memory.SearchRequest。

Memory什么时候用

Memory 的使用时机:

第一类是“写入时机”：

  • 一段会话结束后，把整个 Session 添加到 Memory。
  • 用户明确说了一条偏好，比如“以后回答我都用中文”，可以把包含这条信息的 Session 或摘要写入 Memory。
  • Agent 完成一个阶段性任务后，把总结事件写进 Session，再把 Session 同步到 Memory。
  • 后台定时任务扫描最近完成的 Session，异步做记忆抽取和索引。

第二类是“读取时机”：

  • 新 Session 开始时，用户问到了过去的信息。
  • Agent 需要根据历史偏好回答，比如用户的城市、技术栈、常用模型。
  • 当前 Session 的上下文不够，需要跨 Session 查找过去说过的内容。

注意一点：Memory 不应该替代 Session。当前对话还在同一个 Session 里时，Session 的事件流就是最直接的上下文。Memory 更适合“换了一个 Session 之后还能找回来”的场景。

Memory如何使用

最小使用方式就是准备两个服务：

sessionSvc := session.InMemoryService()
memorySvc := memory.InMemoryService()

然后把旧会话写入 Memory：

previousResp, err := sessionSvc.Create(ctx, &session.CreateRequest{
	AppName:   "memory_app",
	UserID:    "u_1001",
	SessionID: "sess_old",
})
if err != nil {
	log.Fatal(err)
}

oldSession := previousResp.Session

event := session.NewEvent("manual-import")
event.Author = "user"
event.LLMResponse = model.LLMResponse{
	Content: genai.NewContentFromText(
		"我常用 Go 写后端，数据库一般选 MySQL。",
		genai.RoleUser,
	),
}

if err := sessionSvc.AppendEvent(ctx, oldSession, event); err != nil {
	log.Fatal(err)
}

if err := memorySvc.AddSessionToMemory(ctx, oldSession); err != nil {
	log.Fatal(err)
}

后面在新会话里搜索：

resp, err := memorySvc.SearchMemory(ctx, &memory.SearchRequest{
	AppName: "memory_app",
	UserID:  "u_1001",
	Query:   "后端 数据库",
})
if err != nil {
	log.Fatal(err)
}

for _, mem := range resp.Memories {
	fmt.Println(mem.Author, mem.Timestamp, mem.Content)
}

这是最底层的用法。真正跑 Agent 时，一般会把它交给 Runner：

r, err := runner.New(runner.Config{
	AppName:        "memory_app",
	Agent:          rootAgent,
	SessionService: sessionSvc,
	MemoryService:  memorySvc,
})

这样 InvocationContext 里就能拿到 Memory：

func myRun(ctx agent.InvocationContext) iter.Seq2[*session.Event, error] {
	return func(yield func(*session.Event, error) bool) {
		mem := ctx.Memory()
		if mem == nil {
			return
		}

		resp, err := mem.SearchMemory(ctx, "用户常用什么数据库")
		if err != nil {
			yield(nil, err)
			return
		}

		for _, item := range resp.Memories {
			fmt.Println("memory:", item.Author, item.Content)
		}
	}
}

如果你用的是 llmagent，官方已经提供了两个工具：

import (
	"google.golang.org/adk/tool"
	"google.golang.org/adk/tool/loadmemorytool"
	"google.golang.org/adk/tool/preloadmemorytool"
)

llmAgent, err := llmagent.New(llmagent.Config{
	Name:        "memory_assistant",
	Model:       model,
	Description: "能检索长期记忆的助手",
	Instruction: "回答问题时，如果当前上下文不够，请使用长期记忆。",
	Tools: []tool.Tool{
		preloadmemorytool.New(),
		loadmemorytool.New(),
	},
})

这两个工具的区别很直接：

  • preload_memory：每次 LLM 请求前自动用当前用户输入查 Memory，然后把结果拼进系统指令。
  • load_memory：作为一个函数工具暴露给模型，由模型在需要时主动调用，入参是 query。

我的建议是：如果你希望每次都尽量带上相关记忆，用 preload_memory；如果你希望模型自己判断什么时候查记忆，用 load_memory；如果你在做严肃业务流程，不想把“是否查记忆”的决策交给模型，就自己在 Agent 或 Tool 里直接调用 ctx.Memory().SearchMemory(...)。

内置InMemoryService做了什么

adk-go v1.0/1.1.x 内置的 Memory 实现仍然只有 memory.InMemoryService()。它是线程安全的内存实现，但逻辑非常轻量：

  1. AddSessionToMemory 会遍历 Session.Events()。
  2. 只处理 event.LLMResponse.Content 不为空的事件。
  3. 只提取 Content.Parts 里的文本。
  4. 用空格切词，然后统一转小写。
  5. 按 appName + userID + sessionID 存到内存 map 里。
  6. SearchMemory 同样对 query 空格切词，只要 query 里的词和记忆文本里的词有交集，就算命中。

所以它的特点也很明显：

  • 进程重启后记忆全部丢失。
  • 不做向量检索。
  • 不做语义召回。
  • 不做中文分词。
  • 同一个 Session 再次 AddSessionToMemory 时，会用当前 Session 的事件列表覆盖旧的那份内存记录。

这对 demo 和单测很方便，但生产环境一般不够。尤其是中文内容，如果你写的是“我喜欢后端开发”，而 query 是“后端”，内置实现因为只按空格切词，未必能按你预期命中。

Memory的持久化

Session 有官方的 session/database 可以接 GORM，也有 session/vertexai 可以接 Vertex AI Agent Engine Session；但 Memory 在 v1.0/1.1.x 这一层仍然没有对应的 memory/database 包。也就是说，如果你要长期持久化 Memory，常规做法是自己实现 memory.Service。

工程上可以拆成两层：

  • Session 持久化：保存原始会话历史，用 session/database。
  • Memory 持久化：保存抽取后的长期记忆，用自定义 memory.Service，底层可以是 MySQL、PostgreSQL、Redis、Elasticsearch、Milvus、pgvector、Qdrant 等。

表结构可以先按这个思路设计：

type MemoryRecord struct {
	ID             string
	AppName        string
	UserID         string
	SessionID      string
	EventID        string
	Author         string
	Text           string
	ContentJSON    []byte
	MetadataJSON   []byte
	Timestamp      time.Time
	CreatedAt      time.Time
}

如果要做向量检索，再加：

type MemoryRecord struct {
	// ...
	Embedding []float32
}

不过实际落库时，Embedding 怎么存取决于你的数据库。MySQL 可能放 JSON 或单独向量表，PostgreSQL 可以用 pgvector，专门的向量数据库则通常会把向量和 metadata 一起写到 collection 里。

自定义服务的骨架大概是这样：

type MyMemoryService struct {
	store MemoryStore
}

type MemoryStore interface {
	Upsert(ctx context.Context, record MemoryRecord) error
	Search(ctx context.Context, appName, userID, query string) ([]MemoryRecord, error)
}

func (s *MyMemoryService) AddSessionToMemory(ctx context.Context, sess session.Session) error {
	for event := range sess.Events().All() {
		text := extractText(event.LLMResponse.Content)
		if text == "" {
			continue
		}

		record := MemoryRecord{
			ID:        event.ID,
			AppName:   sess.AppName(),
			UserID:    sess.UserID(),
			SessionID: sess.ID(),
			EventID:   event.ID,
			Author:    event.Author,
			Text:      text,
			Timestamp: event.Timestamp,
		}

		if err := s.store.Upsert(ctx, record); err != nil {
			return err
		}
	}
	return nil
}

func (s *MyMemoryService) SearchMemory(ctx context.Context, req *memory.SearchRequest) (*memory.SearchResponse, error) {
	records, err := s.store.Search(ctx, req.AppName, req.UserID, req.Query)
	if err != nil {
		return nil, err
	}

	resp := &memory.SearchResponse{}
	for _, r := range records {
		resp.Memories = append(resp.Memories, memory.Entry{
			ID:        r.ID,
			Author:    r.Author,
			Timestamp: r.Timestamp,
			Content:   genai.NewContentFromText(r.Text, genai.Role(r.Author)),
		})
	}
	return resp, nil
}

extractText 可以按你的业务来写：

func extractText(content *genai.Content) string {
	if content == nil {
		return ""
	}

	var b strings.Builder
	for _, part := range content.Parts {
		if part == nil || part.Text == "" {
			continue
		}
		if b.Len() > 0 {
			b.WriteByte(' ')
		}
		b.WriteString(part.Text)
	}
	return b.String()
}

这就是 Memory 持久化的关键：上层仍然满足 memory.Service，下层你自己决定用普通数据库、全文检索还是向量检索。

自定义Memory的添加内容

内置实现会把 Session 里所有有文本内容的事件都提取进去。这很简单，但不一定符合业务。

比如用户说：

今天随便聊聊，帮我写个 demo。

这句话未必值得长期记忆。真正有价值的可能是：

我更喜欢 Go，数据库优先用 MySQL，前端不想用太重的框架。

所以生产环境里最好不要粗暴保存所有事件，而是自己做“记忆抽取”。

一个简单办法是用 CustomMetadata 标记哪些事件应该进长期记忆：

event := session.NewEvent("profile-update")
event.Author = "user"
event.LLMResponse = model.LLMResponse{
	Content: genai.NewContentFromText("我偏好 Go + MySQL 的后端技术栈。", genai.RoleUser),
	CustomMetadata: map[string]any{
		"memory":      true,
		"memory_type": "preference",
	},
}

然后在自定义 AddSessionToMemory 里过滤：

func shouldRemember(event *session.Event) bool {
	if event == nil {
		return false
	}
	v, ok := event.CustomMetadata["memory"].(bool)
	return ok && v
}

更进一步，可以先让模型做一次摘要或结构化抽取，再把摘要写入 Memory：

type UserPreferenceMemory struct {
	Topic string `json:"topic"`
	Value string `json:"value"`
}

这样 Memory 里存的不是原始闲聊，而是更干净的长期事实：

{
  "topic": "backend_stack",
  "value": "用户偏好 Go + MySQL"
}

我的建议是：原始对话放 Session，长期事实放 Memory。Memory 不是垃圾桶，越克制越好用。

自定义Memory的查找功能

内置查找是关键词匹配。如果你要更像真实产品，一般会换成下面几种方式之一：

  • SQL LIKE：最简单，但召回质量一般。
  • 全文索引：适合日志、问答、短文本。
  • BM25：适合传统文本检索。
  • 向量检索：适合语义召回。
  • 混合检索：BM25 + 向量召回，再用 rerank 排序。

接口层仍然不用变：

func (s *MyMemoryService) SearchMemory(ctx context.Context, req *memory.SearchRequest) (*memory.SearchResponse, error) {
	candidates, err := s.vectorStore.Search(ctx, VectorSearchRequest{
		AppName: req.AppName,
		UserID:  req.UserID,
		Query:   req.Query,
		TopK:    8,
	})
	if err != nil {
		return nil, err
	}

	resp := &memory.SearchResponse{}
	for _, c := range candidates {
		resp.Memories = append(resp.Memories, memory.Entry{
			ID:             c.ID,
			Content:        genai.NewContentFromText(c.Text, genai.Role(c.Author)),
			Author:         c.Author,
			Timestamp:      c.Timestamp,
			CustomMetadata: c.Metadata,
		})
	}
	return resp, nil
}

这里最重要的是隔离条件：

AppName = req.AppName
UserID  = req.UserID

Memory 是用户级长期记忆，如果检索时不加用户隔离，很容易把 A 用户的偏好返回给 B 用户。这类 bug 在 Agent 场景里很危险。

最后总结

理解 adk-go 的 Memory，重点记住这几句话：

  1. Memory 是跨 Session 的长期检索，不是当前 Session 的聊天历史。
  2. v1.0/1.1.x 的核心接口仍然是 AddSessionToMemory 和 SearchMemory。
  3. Runner 只负责把 MemoryService 包进运行上下文，不会自动帮你决定什么时候写入长期记忆。
  4. 内置 InMemoryService 是内存关键词版，适合 demo，不适合生产。
  5. 真正可用的 Memory 通常需要你自己实现持久化、抽取策略和检索排序。

所以 Memory 这层最核心的价值，不是“多一个存储服务”，而是给 Agent 提供了一个标准接口：过去哪些信息值得被想起，以及当前问题该想起哪几条。