airecall

这是什么？适合谁？

AIrecall（brooxiacaigonv/AIrecall）是 AI Agent 的即插即用长期记忆层。它给 Agent 装上「记忆」：情节记忆（发生过什么）+ 语义记忆（知道什么）+ 混合检索 + 自动摘要，让 Agent 跨会话记住用户与历史，而不是每次从零开始。

核心价值：把「Agent 记忆」做成可接入的基础设施——Python SDK 给 Agent 写/读记忆，Go 写的记忆服务负责存储与检索。「记忆」是当前 Agent 基础设施公认的刚需缺口。

适合人群：

• 构建需要跨会话记住上下文的 Agent 的开发者
• 想让 Agent 长期记住用户偏好、历史决策的团队
• 研究 Agent 记忆 / RAG 架构的工程师

使用前提：Python SDK 接入；Go 记忆服务可独立部署；理解「情节记忆 vs 语义记忆」的区别。

准备工作

1. Python 3.10+：SDK 用 Python 编写。
2. Go 运行时：记忆服务用 Go 编写，需 Go 环境构建（或使用预编译产物）。
3. 成本：MIT 开源，完全免费；自托管服务需自有服务器。
4. 时间预算：跑通 SDK + 服务约 20-30 分钟。
5. 心智准备：记忆系统需要设计「什么该记、什么该忘、怎么检索」的策略。

快速上手（3 步）

第一步：获取并启动记忆服务

git clone https://github.com/brooxiacaigonv/AIrecall
cd AIrecall
# 构建并启动 Go 记忆服务（具体命令以 README 为准）

第二步：安装 Python SDK

pip install -e .   # 或按 README 指定的安装方式

第三步：接入你的 Agent

用 SDK 在 Agent 对话前后写入 / 检索记忆，跑一次跨会话的对话测试。

成功判定：Agent 在第二个会话里能「记得」第一个会话的关键信息，并从记忆服务检索到相关内容。

初级用法

两种记忆

• 情节记忆（episodic）：记录「发生了什么」——某次对话、某个事件
• 语义记忆（semantic）：沉淀「知道什么」——抽象出的概念、偏好、事实

混合检索

检索时结合多种方式（向量相似度 + 关键词等），兼顾精确命中与语义相关。

自动摘要

把冗长的历史自动压缩成摘要，控制记忆膨胀。

高级玩法

记忆写入策略

在 Agent 工作流里埋「写入点」：关键决策、用户偏好、重要事实才写记忆，避免噪音污染。

与 RAG 组合

把语义记忆作为长期知识库，与短时上下文 RAG 分工：RAG 管外部文档，记忆管「这个用户 / 这个项目」的专属上下文。

多 Agent 共享记忆

多个 Agent 共用同一个记忆服务，实现跨 Agent 的上下文延续。

小技巧

1. 控制写入粒度：只记有价值的信息，避免记忆库被噪音填满。
2. 定期清理：配合自动摘要与过期策略，防止记忆无限膨胀。
3. 先跑跨会话测试：验证「第二个会话能想起第一个会话」后再接入生产。
4. 分离情节与语义：不同记忆用不同检索策略。
5. 监控检索质量：抽检检索命中率，调整 embedding 与混合权重。

常见踩坑

踩坑 1：什么都往记忆里写

• 现象：记忆库膨胀、检索质量下降。
• 原因：没有写入策略，把所有对话都存进去。
• 解决：只写关键信息，配合自动摘要与过期策略。

踩坑 2：把记忆当 RAG 用

• 现象：把外部文档也塞进记忆，检索混乱。
• 原因：混淆「记忆」（用户/项目专属）与「知识库」（外部文档）。
• 解决：外部文档走 RAG，记忆只存会话沉淀。

踩坑 3：Go 服务未正确部署

• 现象：SDK 连不上服务。
• 原因：服务未启动或端口/地址配置错误。
• 解决：按 README 核对服务启动与 SDK 连接配置。

踩坑 4：忽略 embedding 一致性

• 现象：换 embedding 模型后检索命中率骤降。
• 原因：向量空间不一致，旧记忆与新查询无法对齐。
• 解决：固定 embedding 模型，变更时重建索引。

踩坑 5：项目早期 API 变动

• 现象：SDK 接口随版本变化。
• 原因：项目较新，API 未冻结。
• 解决：锁定版本，升级前看 changelog。

常见问题 FAQ

Q1: 记忆存哪里？

A: 存储在自托管的 Go 记忆服务中，数据由你控制，不依赖第三方。

Q2: 和向量数据库（如 Pinecone）什么区别？

A: 向量库是通用存储；AIrecall 是「记忆层」，内置情节/语义记忆抽象、混合检索与自动摘要，直接服务 Agent 场景。

Q3: 免费吗？

A: MIT 开源免费；自托管需自己承担服务器成本。

Q4: 支持多 Agent 共享记忆吗？

A: 多个 Agent 可共用同一记忆服务，实现跨 Agent 上下文延续。

Q5: 现在是稳定版吗？

A: 项目较新（2026-08 创建），生产使用前建议充分测试检索质量与稳定性。

进阶学习建议

掌握基础后，建议深入：

1. 记忆策略设计：为你的 Agent 定义「什么该记、什么该忘」，建立写入/摘要/过期三层策略。
2. 记忆 + RAG 分层：把用户专属记忆与外部知识库分层，各自用最优检索策略。
3. 跨会话评估：建立「跨会话问答」评测集，量化记忆带来的提升。

参考链接

• 官方仓库

最后更新：2026-08-28 · 作者：MagicNetWorld · 基于公开资料整理，关键数据经 GitHub API 独立实测核验，AI 辅助生成