Memory 模块提供对话记忆能力，让 Agent 能理解多轮对话的上下文。

工作原理

用户消息 → 存入短期记忆 (FIFO 队列)
                  │
                  ▼
         短期记忆满了？ ──是──→ 溢出的消息 → 长期记忆
                  │                              │
                  否                              ▼
                  │                     LLM 提取关键信息
                  │                     存为 MemoryBlock
                  ▼
          Agent 读取记忆:
          短期记忆(完整消息) + 长期记忆(关键信息摘要)
          一起作为上下文传给 LLM

短期记忆

• FIFO（先进先出）消息队列
• 存储最近的 ChatMessage 对象
• 有 token 上限，超出后最旧的消息被移出
• 默认占总 token 预算的 70%（CHAT_HISTORY_TOKEN_RATIO = 0.7）

长期记忆

• 当短期记忆溢出时自动触发
• 溢出的消息被 MemoryBlock 处理
• LLM 从旧消息中提取关键信息（事实、偏好、重要细节）
• 提取的信息以摘要形式长期保存

配置参数

在 .env 中调整：

MEMORY_TOKEN_LIMIT=30000           # 短期+长期记忆的总 token 上限
CHAT_HISTORY_TOKEN_RATIO=0.7       # 短期记忆占比 (0.7 = 70%)

• MEMORY_TOKEN_LIMIT=30000 ≈ ~15000 个中文字的对话历史
• 调高比例 → 记住更多最近对话，但长期记忆减少
• 调低比例 → 短期记忆更少，但能记住更多历史关键信息

多 Session 支持

from core.session import SessionManager

session_mgr = SessionManager()
memory_user_a = session_mgr.get_memory("user_a")
memory_user_b = session_mgr.get_memory("user_b")

生命周期

当前版本的 Memory 不会跨 session 持久化。每次重启程序记忆重新开始。如需跨 session 的持久化记忆，可以集成 Mem0 或 Zep。