Gedächtnis

Persistenter Konversationsspeicher mit Vektorsuche und automatischer Kontextintegration

Übersicht#

Das Memory-System stattet Agenten mit Langzeitgedächtnis aus, sodass sie sich an vergangene Konversationen erinnern, aus Interaktionen lernen und den Kontext über Sitzungen hinweg beibehalten können. Wenn Memory aktiviert ist, speichern und rufen Agenten automatisch relevante Informationen aus vorherigen Konversationen ab, was eine persönlichere und kontextbewusstere Erfahrung schafft.

Memory aktivieren#

Aktiviere Memory für einen Agenten, indem du die Option memory auf true setzt:

typescript
import { Agent } from '@astreus-ai/astreus';

const agent = await Agent.create({
  name: 'MemoryAgent',
  model: 'gpt-6-astra',
  memory: true  // Enable persistent memory
});

Grundlegende Verwendung#

Hier ist ein vollständiges Beispiel, das zeigt, wie Memory über Konversationen hinweg funktioniert:

typescript
import { Agent } from '@astreus-ai/astreus';

// Create an agent with memory
const agent = await Agent.create({
  name: 'PersonalAssistant',
  model: 'gpt-6-astra',
  memory: true,
  systemPrompt: 'You are a helpful personal assistant who remembers user preferences.'
});

// First conversation
const response1 = await agent.ask('My name is John and I love TypeScript');
console.log(response1);
// Output: "Nice to meet you, John! It's great that you love TypeScript..."

// Later conversation - agent remembers
const response2 = await agent.ask('What programming language do I like?');
console.log(response2);
// Output: "You mentioned that you love TypeScript, John!"

// Memory persists even after restarting
const sameAgent = await Agent.create({
  name: 'PersonalAssistant', // Same name retrieves existing memories
  model: 'gpt-6-astra',
  memory: true
});

const response3 = await sameAgent.ask('Do you remember my name?');
console.log(response3);
// Output: "Yes, your name is John!"

Memory-Methoden#

Wenn Memory aktiviert ist, haben Agenten Zugriff auf diese Methoden zur Speicherverwaltung:

typescript
// Add a memory manually
const memory = await agent.addMemory(
  'Important project information: Budget is $50k',
  { type: 'project', category: 'budget' },  // Optional metadata
  { graphId: 'project-123', taskId: 'task-456', sessionId: 'session-789' }  // Optional context for memory isolation
);

// Remember conversation with role context
const userMemory = await agent.rememberConversation(
  'I prefer TypeScript over JavaScript',
  'user'
);

// Get a specific memory by ID
const existingMemory = await agent.getMemory(memory.id);

// Search memories by content (semantic search with embeddings)
const budgetMemories = await agent.searchMemories('budget', {
  limit: 5,
  startDate: new Date('2024-01-01')
});

// Vector similarity search for semantic matching
const happyMemories = await agent.searchMemoriesBySimilarity('joyful moments', {
  similarityThreshold: 0.7,  // Minimum similarity score
  limit: 10
});

// List all memories with options
const allMemories = await agent.listMemories({
  limit: 20,
  orderBy: 'createdAt',
  order: 'desc'
});

// Update a memory
const updatedMemory = await agent.updateMemory(memory.id, {
  content: 'Updated budget: $75k',
  metadata: { type: 'project', category: 'budget', updated: true }
});

// Delete a specific memory
const deleted = await agent.deleteMemory(memory.id);

// Generate embedding for existing memory (migration/repair)
const result = await agent.generateEmbeddingForMemory(memory.id);
if (result.success) {
  console.log('✅ Embedding generated successfully');
}

// Clear all memories
const deletedCount = await agent.clearMemories();

// Clear memories with options
const deletedCount = await agent.clearMemories({
  syncWithContext: false  // Prevent context synchronization (default: true)
});

Mathematik der Ähnlichkeitssuche#

Bei der Suche nach Memories mittels Vektorähnlichkeit berechnet das System Ähnlichkeitswerte zwischen Query- und Memory-Embeddings:

Cosine-Similarity-Score#

similarity=q⃗⋅m⃗∣∣q⃗∣∣⋅∣∣m⃗∣∣∈[0,1]\text{similarity} = \frac{\vec{q} \cdot \vec{m}}{||\vec{q}|| \cdot ||\vec{m}||} \in [0, 1]

Dabei gilt:

  • q⃗\vec{q} ist der Query-Embedding-Vektor
  • m⃗\vec{m} ist der Memory-Embedding-Vektor
  • Das Ergebnis reicht von 0 (völlig unterschiedlich) bis 1 (identisch)

Distanzbasierter Score#

Bei Distanzmetriken wird der Ähnlichkeitswert wie folgt berechnet: score=11+d(q⃗,m⃗)\text{score} = \frac{1}{1 + d(\vec{q}, \vec{m})}

Dabei ist dd die euklidische Distanz zwischen den Vektoren.

Schwellenwert-Filterung#

Memories werden nur zurückgegeben, wenn: similarity≥θ\text{similarity} \geq \theta

Dabei ist θ\theta der Parameter similarityThreshold (Standard: 0.7).

Memory-Objektstruktur#

typescript
interface Memory {
  id: string;               // Unique memory identifier (UUID)
  agentId: string;          // ID of the owning agent (UUID)
  graphId?: string;         // Graph context (for memory isolation)
  taskId?: string;          // Task context (for memory isolation)
  sessionId?: string;       // Session context (for memory isolation)
  content: string;          // Memory content
  embedding?: number[];     // Vector embedding (auto-generated)
  metadata?: MetadataObject; // Custom metadata
  createdAt: Date;          // When memory was created
  updatedAt: Date;          // Last update time
}

interface MemorySearchOptions {
  limit?: number;           // Max results (default: 10 for search, 100 for list)
  offset?: number;          // Skip results (default: 0)
  pageSize?: number;        // Pagination size for large result sets
  graphId?: string;         // Filter by graph context
  taskId?: string;          // Filter by task context
  sessionId?: string;       // Filter by session context
  orderBy?: 'createdAt' | 'updatedAt' | 'relevance'; // Sort field
  order?: 'asc' | 'desc';   // Sort order (default: 'desc')
  startDate?: Date;         // Filter from date
  endDate?: Date;           // Filter to date
  similarityThreshold?: number; // Similarity threshold (0-1, default: 0.7)
  useEmbedding?: boolean;   // Use embedding search (default: true)
}

Antworttypen#

Zu verstehen, was jede Memory-Methode zurückgibt, hilft dir, Antworten in deinem Code korrekt zu verarbeiten.

Memory-Objekt-Antwort#

Beim Erstellen oder Abrufen von Memories erhältst du ein vollständiges Memory-Objekt:

typescript
const memory = await agent.addMemory("User prefers dark mode", {
  type: "preference",
  importance: "high"
});

// Response structure:
{
  id: "550e8400-e29b-41d4-a716-446655440000",  // UUID string
  agentId: "agent-uuid-123",                    // UUID string
  content: "User prefers dark mode",
  embedding: [0.1, 0.2, 0.3, ..., 0.768],      // 1536 dimensions array
  metadata: {
    type: "preference",
    importance: "high"
  },
  createdAt: Date('2024-01-15T10:30:00Z'),
  updatedAt: Date('2024-01-15T10:30:00Z')
}

Memory-Listen-Antwort#

Such- und Listenmethoden geben ein Array von Memory-Objekten zurück:

typescript
const memories = await agent.searchMemories("preferences", {
  limit: 5,
  similarityThreshold: 0.7
});

// Response structure:
[
  {
    id: "memory-uuid-1",
    agentId: "agent-uuid",
    content: "User prefers dark mode",
    embedding: [0.1, 0.2, ...],
    metadata: { type: "preference" },
    createdAt: Date(...),
    updatedAt: Date(...)
  },
  {
    id: "memory-uuid-2",
    agentId: "agent-uuid",
    content: "User timezone is PST",
    embedding: [0.15, 0.25, ...],
    metadata: { type: "preference" },
    createdAt: Date(...),
    updatedAt: Date(...)
  }
]

Embedding-Generierungs-Antwort#

Die Embedding-Generierung gibt ein detailliertes Erfolgs-/Fehlerobjekt zurück:

typescript
const result = await agent.generateEmbeddingForMemory(memory.id);

// Response structure:
{
  success: true,
  message: "Embedding generated successfully",
  embedding: [0.1, 0.2, 0.3, ..., 0.768]  // Optional: included on success
}

// On failure (possible messages):
{
  success: false,
  message: "Memory not found"  // or "Memory already has embedding", "Failed to generate embedding", etc.
}

Lösch-Antwort#

Löschoperationen geben einen booleschen Wert zurück, der den Erfolg anzeigt:

typescript
const deleted = await agent.deleteMemory(memory.id);
// Returns: true or false

Clear-Memories-Antwort#

Das Löschen aller Memories gibt die Anzahl der gelöschten Einträge zurück:

typescript
const deletedCount = await agent.clearMemories();
// Returns: 15 (number of memories deleted)