内置记忆

自带默认记忆后端，接 Memoh 的抽取/检索流程，支持：

• 从对话里抽记忆
• 聊天时语义检索
• 手建、手改
• 记忆压缩、整库重建

---

工作方式

内置提供方运行在 graph 模式：记忆节点与边存放在 PostgreSQL 中作为唯一真源，并派生出一份 Markdown 视图（机器人工作区里的 memory/ bundle 和 MEMORY.md）供 Agent 读写。

语义检索是可选的加层：

层	存储	要啥	提供什么
Graph（始终开启）	PostgreSQL 记忆节点/边	只要主库	结构化召回、记忆间关系、压缩、重建
语义索引（可选）	pgvector 数据库	Compose 栈里的 [pgvector] 库 加上 在提供方里选好 embedding 模型	对记忆节点做向量相似度检索

没选 embedding 模型，或没配 pgvector，提供方照样以纯 graph 模式工作，只是跳过语义检索。

---

建一个

1. Memory Providers。
2. Add Memory Provider。
3. Name、Provider Type 选 builtin。
4. Create。

---

配置

字段	说明
Embedding Model	可选。来自某个 LLM 提供方的 embedding 模型。选了（且 pgvector 可用）就会给记忆节点做向量并开启语义检索；留空即纯 graph 模式。

Edit、Delete 如常。

---

依赖

纯 graph

除主 PostgreSQL 外无额外依赖。

语义索引

默认 Docker Compose 栈已经带了 pgvector 服务，config.toml 里也有对应段：

[pgvector]
enabled = true
host = "pgvector"
port = 5432
user = "memoh"
password = "memoh123"
database = "memoh_vector"
sslmode = "disable"

然后在提供方里选一个 Embedding Model。向量由所选 LLM 提供方（OpenAI、Gemini、Ollama……）生成，因此该提供方需要有 embedding 模型可用。

---

绑到机器人

1. Bots → 机器人
2. General → Memory Provider
3. 保存

若未选，运行层面不会用这条提供方。

---

配好之后

在机器人的 Memory tab 里管理具体记忆：

• 手动新建
• 从对话抽取
• 搜索、编辑、删除
• 压缩或重建记忆库

日常操作见 记忆管理。