教程5.1：内存中对话代理

教程 5.1：内存中对话代理

欢迎来到会话管理的第一步！本教程将教你如何创建一个 AI 代理，它能够在单个会话内记住对话内容，使用 InMemorySessionService。

你将学到的内容

• InMemorySessionService：用于临时对话的基本会话管理
• 会话创建：如何创建和管理对话会话
• 状态管理：存储和检索对话上下文
• 事件跟踪：记录对话历史
• 多轮对话：构建能够记住上下文的代理

核心概念：内存中会话

InMemorySessionService 将会话数据存储在你电脑的 RAM（内存）中。这意味着：

• ✅ 快速访问 - 无需数据库查询
• ✅ 简单设置 - 无需外部依赖
• ❌ 临时存储 - 程序停止时数据会丢失
• ❌ 无持久化 - 无法在程序重启后记住信息

非常适合：

• 开发与测试
• 临时对话
• 记忆功能原型设计
• 单次会话应用

关键组件

1. InMemorySessionService

from google.adk.sessions import InMemorySessionService
​

2. 会话生命周期

┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│   CREATE    │───▶│   USE       │───▶│   CLOSE     │
│  SESSION    │    │  SESSION    │    │  SESSION    │
└─────────────┘    └─────────────┘    └─────────────┘
​

3. 会话数据结构

{
    "session_id": "unique_session_id",
    "user_id": "user_identifier", 
    "state": {
        "conversation_history": [...],
        "user_preferences": {...},
        "current_context": "..."
    },
    "events": [
        {"type": "user_input", "content": "...", "timestamp": "..."},
        {"type": "agent_response", "content": "...", "timestamp": "..."}
    ]
}
​

教程概览

在本教程中，我们将创建一个 个人助理代理，它能够：

• 记住你的名字和偏好
• 跟踪对话历史
• 提供个性化回复
• 展示基本的会话管理功能

项目结构

5_1_in_memory_conversation/
├── README.md              # This file - concept explanation
├── requirements.txt       # Dependencies
├── agent.py              # Main agent with session management
└── app.py                # Streamlit web interface
​

学习目标

完成本教程后，你将理解：

• ✅ 如何创建和管理会话
• ✅ 如何存储和检索对话状态
• ✅ 如何跟踪对话事件
• ✅ 如何构建多轮对话
• ✅ 基本的会话生命周期管理

开始使用

1. 安装依赖：

   pip install -r requirements.txt
   ​

2. 设置你的环境：

   # Create a .env file with your Google AI API key
   echo "GOOGLE_API_KEY=your_api_key_here" > .env
   ​

3. 运行代理：

   # Start the Streamlit app
   streamlit run app.py
   ​

4. 测试记忆功能：

   • 告诉代理你的名字：“我的名字是 John”
   • 询问你的偏好：“你对我了解些什么？”
   • 进行一次对话，看看它如何记住上下文

代码详解

关键会话管理代码：

# 1. Create session service
session_service = InMemorySessionService()

# 2. Create a new session
session = await session_service.create_session(
    app_name="personal_assistant",
    user_id="user123"
)

# 3. Update session state
await session_service.update_session_state(
    session_id=session.session_id,
    state={"user_name": "John", "preferences": ["travel", "music"]}
)

# 4. Add events to track conversation
await session_service.add_event(
    session_id=session.session_id,
    event_type="user_input",
    content="My name is John"
)
​

测试你的代理

尝试以下对话流程来测试记忆功能：

流程 1：个人信息

User: "My name is Alice"
Agent: "Nice to meet you, Alice! How can I help you today?"

User: "What's my name?"
Agent: "Your name is Alice! I remember you told me that."
​

流程 2：偏好设置

User: "I love pizza and hiking"
Agent: "Great! I'll remember that you love pizza and hiking."

User: "What are my interests?"
Agent: "Based on our conversation, you love pizza and hiking!"
​

流程 3：上下文连续性

User: "I'm planning a trip"
Agent: "That sounds exciting! Since you mentioned hiking, would you like recommendations for hiking destinations?"

User: "Yes, where should I go?"
Agent: "Given your love for hiking, I'd recommend..."
​

下一步

完成本教程后，你将准备好：

• 教程 5.2：持久化对话 - 学习基于数据库的会话存储
• 教程 5.3：云端记忆 - 探索基于云的记忆解决方案

专业提示

• 测试多轮对话：进行长时间对话，观察记忆功能的实际效果
• 监控会话状态：使用 Web 界面检查代理记住的内容
• 试验不同状态：尝试在会话状态中存储不同类型的数据
• 理解局限性：记住，内存中会话是临时的

重要提示

• 数据丢失：内存中会话在你重启应用时会丢失
• 单进程：会话仅在同一 Python 进程内有效
• 内存占用：过大的对话历史会消耗大量 RAM
• 仅限开发：请在开发环境中使用内存中会话，不要用于生产环境

免责声明：
本文档采用基于机器的 AI 翻译服务进行翻译。尽管我们力求准确，但请注意，自动翻译可能存在错误或不准确之处。应以原文语言版本的文档作为权威依据。如需获取关键信息，建议使用专业的人工翻译。对于因使用本翻译而产生的任何误解或误读，我们概不负责。