Skip to content

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(Bot 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。来自某个模型服务商的 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:

toml
[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。向量由所选模型服务商(OpenAI、Gemini、Ollama……)生成,因此该提供方需要有 embedding 模型可用。


绑到 Bot ​

  1. Bots → Bot
  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 Bot 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。

Published under AGPLv3