欢迎使用 FlowZap,快速、清晰、掌控的绘图应用。

上下文管理 - 情景记忆

Architecture

从经验中学习模式,其中每次任务运行成为一个情景,包含输入、动作和结果。在处理新任务之前,智能体获取类似情景并将其用作提示。随着时间的推移,智能体感觉像在学习和成长,而不是重复相同的失败计划。

完整 FlowZap 代码

User {
  n1: circle label="1. Submit task"
  n2: rectangle label="12. See result"
  n1.handle(right) -> Agent.n3.handle(left)
  Agent.n9.handle(right) -> n2.handle(left)
}

Agent {
  n3: rectangle label="1. Receive task"
  n4: rectangle label="2. Search similar episodes"
  n5: rectangle label="4. Past lessons"
  n6: rectangle label="5. Execute plan"
  n7: rectangle label="6. Capture outcome"
  n8: rectangle label="7. Send episode for scoring"
  n9: rectangle label="11. Return result"
  n3.handle(right) -> n4.handle(left)
  n5.handle(right) -> n6.handle(left)
  n6.handle(right) -> n7.handle(left)
  n7.handle(right) -> n8.handle(left)
  n8.handle(right) -> Evaluator.n13.handle(left) [label="8. Outcome"]
  EpisodeStore.n12.handle(right) -> n9.handle(left) [label="11.b Outcome"]
}

EpisodeStore {
  n10: rectangle label="3. Episode search"
  n11: rectangle label="3.2 Search similar episodes"
  n12: rectangle label="10. Episode + lesson"
  Agent.n4.handle(right) -> n10.handle(left) [label="2. Search similar episodes"]
  n10.handle(right) -> n11.handle(left) [label="3. Episode search"]
  n11.handle(right) -> Agent.n5.handle(left) [label="4. Past lessons"]
  Evaluator.n14.handle(right) -> n12.handle(left) [label="10. Episode + lesson"]
}

Evaluator {
  n13: rectangle label="9. Score outcome"
  n14: rectangle label="9. Extract lesson"
  n13.handle(right) -> n14.handle(left)
}

相关模板

上下文管理 - 会话记忆

Architecture

短期上下文模式,其中通道发送新消息加近期历史。智能体运行时将其与本地会话状态合并,组装提示,并将响应持久化回历史。简单,但成本和延迟随历史长度增长。

上下文管理 - 滚动摘要记忆

Architecture

压缩历史模式,先保留完整历史一段时间,当达到阈值时,总结最后一块并用较短的摘要消息替换详细回合。在长期对话中显著减少提示大小,同时保持要点连续性。

上下文管理 - 档案记忆

Architecture

身份风格记忆模式,其中档案数据在会话开始时加载。每个提示结合系统角色、用户档案和当前消息。新事实可以写回档案记忆。开销小且可预测,但UX提升大——智能体记住你的名字、技术栈、语气和约束。

上下文管理 - 语义记忆

Architecture

基于向量的记忆模式,其中文本被分块、嵌入并存储在向量数据库中。查询时,问题被嵌入,运行向量搜索,重新排序候选,并将顶部结果注入提示。智能体感觉像记住一切而不会产生幻觉的地方。

上下文管理 - 混合检索记忆

Architecture

多模态检索模式,结合语义搜索、精确/关键词搜索和近期搜索并行运行。结果合并并重新排序为单一上下文集。召回率高得多,因为智能体可以找到模糊引用和精确实体。对于全面的知识检索至关重要。

上下文管理 - 共享记忆

Architecture

多智能体协调模式,其中编排器将工作分解为子任务,专业智能体从共享状态存储中拉取和推送,编排器从该共享状态组合最终答案。多智能体设置感觉连贯,而不是每个助手都有自己的不一致记忆。

返回所有模板