猴哥的第 125 期分享，欢迎追看

上篇和大家分享了用 Dify 搭建一个简单的 AI 搜索引擎：

Dify 保姆级教程之：零代码打造 AI 搜索引擎

今天继续分享 Dify 智能体搭建的相关内容。

最近在关注大模型长期记忆的问题，前天分享了阿里开源的 MemoryScope 项目：

如何赋予AI智能体长期记忆？阿里开源 MemoryScope 实战，全程免费

无奈本地配置环境略显繁琐，对小白不是特别友好。

有没有可能在 Dify 上搭建一个类似的智能体，实现大模型长期记忆？

琢磨之余，发现 Dify 的官方案例中就有一款类似的智能体。

今日分享，把搭建过程拆解后分享出来，希望对有类似需求的你，有所启发。

参考上篇教程，相信你已完成 Dify 本地安装，若资源有限，也可使用官方的在线体验地址。

1. 官方案例

在 Dify 首页，第一个 Tab，官方内置了众多搭建好的智能体案例：

其中，有一个个性化记忆助手的智能体，点击添加到工作区：

在自己的工作室，可以看到这个智能体已复制进来：

点进来，就可以看到所有的编排逻辑，然后可根据自己需求进行修改：

1. 了解会话变量

Dify 中内置了一个全局变量 -- 会话变量，在右上角：

这个会话变量具体有什么用？

和多轮对话的内容一样，它也可以作为 LLM 的上下文，不过它的自定义程度更高。

比如在本文的智能体中，就定义了memory这样的会话变量，用来存储需要大模型记忆的信息。

问题来了：memory是怎么发挥作用的？

下面我们一起去探一探。

2. 智能体拆解

step 1 信息过滤: 判断用户输入中是否需要记忆的信息：

从上面的提示词，可以看出，这个节点上大模型只需输出 Yes 或 No，所以下个节点应该是条件判断。

step 2 条件判断：根据上一步大模型输出的 Yes 或 No，分别路由到不同的分支，如果有需要记忆的信息，则执行上方提取记忆的分支，否则走下面的分支。

step 3 提取记忆：通过大模型的角色设定，从用户输入中提取出值得记忆的信息。

在提示词中，指定了提取的三种类型记忆：

"facts": [],
"preferences": [],
"memories": []

step 4 存储记忆：这一步是代码节点，通过编写简单的 Python 代码，将上一步的记忆信息，保存到一开始定义的会话变量 - memory中。

step 5 根据记忆回复：把会话变量 - memory转换成字符串，也就是下图中的{x}result，放到角色提示词中，让大模型根据记忆，进行答复。

至此，基于对话内容中有需要缓存的记忆，上方提取记忆的分支就搞定了。

如果step 2判断为 No，则直接基于已有记忆进行答复，也即下方分支，流程图如下：

3. 效果展示

我在和它进行了几轮对话之后，点开右上角的会话变量，可以发现memory中已经缓存了多条事实类的记忆：

完美！

真的完美么？

相比直接把多条聊天记录作为上下文，这种方式要优雅很多，且极大减少了 Token 消耗量。

不过，个人认为至少还有两点缺陷：

• 随着记忆内容的增多，每次对话，把所有记忆内容都作为上下文，会显得十分冗余，这里可以结合 RAG 来做；
• 每次都从单论对话中提取记忆，缺乏足够的上下文，容易导致记忆内容的断章取义，理想的方式应该从多轮对话中提取有价值的信息；

这时，强烈建议你去试试上篇分享的 MemoryScope：

如何赋予AI智能体长期记忆？阿里开源 MemoryScope 实战

写在最后

本文通过一个简单案例，带大家拆解并实操了Dify 搭建个性化记忆助手，整体流程比较简单，相信看到这里的你，一定还有很多想法要去实现，快去试试吧~

如果对你有帮助，欢迎点赞收藏备用。

之前微信机器人小爱(AI)的多轮对话，是通过本地缓存上下文信息实现，其实完全可以用本文的智能体替代，后面抽空改造后，再和大家分享！

为方便大家交流，新建了一个 AI 交流群，欢迎感兴趣的小伙伴加入。

微信机器人小爱(AI)也在群里，公众号后台「联系我」，拉你进群。

? 关注猴哥，快速入门AI工具