用 Redis 实现智能体短期记忆
AI 总结
这篇掘金教程提出一种面向无状态大模型的分层记忆架构:单次请求使用进程内 messages,Redis 保存当前会话上下文,PostgreSQL 或 pgvector 负责跨会话长期记忆。文中还给出 Redis 数据结构示例、基于 LangChain 消息映射的 RedisMessageStore 实现、智能体调用闭环,以及 TTL、持久化、序列化和扩展方面的注意事项。
深度见解
该方案给出了兼顾多轮对话、多实例共享和短期记忆自动清理的可落地实现路径。
先说结论
大模型本身是无状态的。它不是"记性差",而是根本没有记忆——每次请求对它来说都是第一次见面。
所以我们说的 Agent Memory,本质上只解决一个问题:让一个无状态的模型,在多轮、多实例、长时间跨度的对话里表现得像"记得"。
我的分层方案很简单:
本轮内存 messages → Redis(短期记忆) → PostgreSQL / pgvector(长期记忆)
一次请求内 当前会话 跨会话、用户画像
一句话记住:Redis 管"这次聊到哪了",PostgreSQL 管"这个人是谁"。
#Redis#RedisMessageStore#LangChain#PostgreSQL#pgvector#Mem0#ioredis