Google Agent Development Kit (ADK) 指南 第六章：记忆与状态管理

Google Agent Development Kit (ADK) 指南 第六章：记忆与状态管理

系列教程：这是《Google ADK 指南》系列的第六章。

前置知识：已完成第五章，掌握工具集成。

目录

1. 记忆系统基础
2. 短期记忆
3. 长期记忆
4. 状态管理
5. 记忆优化策略

1. 记忆系统基础

1.1 记忆的作用

记忆系统让 Agent 能够：

• 💬保持上下文：多轮对话连贯
• 👤记住用户：个性化服务
• 📚积累经验：持续学习改进
• 🔗关联信息：跨会话知识

1.2 记忆架构

┌─────────────────────────────────────────────────────┐ │ 记忆管理系统 │ ├─────────────────────────────────────────────────────┤ │ ┌───────────────┐ ┌───────────────┐ │ │ │ 短期记忆 │ │ 长期记忆 │ │ │ │ (对话历史) │ │ (向量存储) │ │ │ └───────┬───────┘ └───────┬───────┘ │ │ │ │ │ │ └────────┬─────────┘ │ │ ↓ │ │ ┌───────────────┐ │ │ │ 记忆管理器 │ │ │ │ (检索/更新) │ │ │ └───────────────┘ │ └─────────────────────────────────────────────────────┘

1.3 记忆类型对比

2. 短期记忆

2.1 对话缓冲记忆

fromgoogle.adk.memoryimportConversationBufferMemory# 基础配置memory=ConversationBufferMemory(max_turns=10,# 保留 10 轮对话max_tokens=4000,# 最多 4000 tokensreturn_messages=True# 返回消息对象)# 使用agent=Agent(memory=memory)# 添加消息memory.add_message(role="user",content="你好")memory.add_message(role="assistant",content="你好！有什么可以帮助你的？")# 获取历史history=memory.get_history()# 输出：[("user", "你好"), ("assistant", "你好！...")]# 清除记忆memory.clear()

2.2 窗口记忆

fromgoogle.adk.memoryimportConversationWindowMemory# 只保留最近 N 轮memory=ConversationWindowMemory(window_size=5,# 最近 5 轮include_summary=True# 包含早期对话摘要)# 自动摘要早期对话# 对话 1-10: 摘要# 对话 11-15: 完整历史

2.3 实体记忆

fromgoogle.adk.memoryimportEntityMemory# 提取并存储实体信息memory=EntityMemory(entities=["user_name","preferences","location"],extraction_prompt="从对话中提取用户信息")# 自动提取memory.extract_and_store("我叫张三，喜欢喝咖啡")# 存储：{"user_name": "张三", "preferences": ["咖啡"]}# 查询实体name=memory.get_entity("user_name")# "张三"

3. 长期记忆

3.1 向量记忆

fromgoogle.adk.memoryimportVectorStoreMemoryfromgoogle.adk.vectorstoresimportVertexAISearch# 配置向量存储memory=VectorStoreMemory(store=VertexAISearch(project_id="your-project",location_id="global",index_id="memory-index"),embedding_model="text-embedding-004",top_k=5)# 添加记忆memory.add("用户喜欢红色产品",metadata={"user_id":"u123","category":"preference"})memory.add("用户住在北京",metadata={"user_id":"u123","category":"location"})# 语义搜索results=memory.search("用户偏好什么颜色？")# 返回最相关的记忆

3.2 总结记忆

fromgoogle.adk.memoryimportSummaryMemory# 自动总结对话memory=SummaryMemory(summarizer=Agent(model=Gemini("gemini-2.0-flash"),instruction="用一句话总结对话要点"),summary_interval=10# 每 10 轮总结一次)# 对话过程中自动创建总结# "用户咨询了产品 A 的价格和库存，表示考虑购买"

3.3 组合记忆

fromgoogle.adk.memoryimportCompositeMemory# 多层记忆系统memory=CompositeMemory(# 短期：最近对话short_term=ConversationBufferMemory(max_turns=10),# 中期：会话摘要mid_term=SummaryMemory(),# 长期：向量存储long_term=VectorStoreMemory(store=VertexAISearch(...)),# 实体：用户信息entity=EntityMemory(entities=["profile","preferences"]))# 检索时融合所有记忆context=memory.get_context(query="用户喜欢什么？")

4. 状态管理

4.1 会话状态

fromgoogle.adk.stateimportSessionState# 创建会话状态state=SessionState(session_id="session_123",ttl=3600# 1 小时过期)# 设置状态state.set("user_id","u123")state.set("cart_items",["item1","item2"])state.set("current_step","payment")# 获取状态user_id=state.get("user_id")cart=state.get("cart_items")# 更新状态state.update("cart_items",lambdax:x+["item3"])# 删除状态state.delete("current_step")# 清除所有state.clear()

4.2 工作流状态

fromgoogle.adk.stateimportWorkflowState# 多步骤工作流状态state=WorkflowState(workflow_id="order_process",steps=["validate","payment","ship","complete"])# 推进状态state.next_step()# validate → paymentstate.goto("ship")# 直接跳转到 ship# 检查状态ifstate.current_step=="payment":process_payment()# 状态回滚state.rollback()# 回到上一步# 状态持久化state.save()# 保存到数据库state.load()# 从数据库加载

4.3 用户状态

fromgoogle.adk.stateimportUserState# 用户级别状态user_state=UserState(user_id="u123",storage="redis"# 或 "database", "gcs")# 用户画像user_state.set_profile({"name":"张三","level":"VIP","preferences":{"color":"红色","category":"电子产品"},"history":["order_001","order_002"]})# 访问计数user_state.increment("visit_count")user_state.increment("purchase_count")# 最后活跃时间user_state.update("last_active",datetime.now())

5. 记忆优化策略

5.1 记忆压缩

fromgoogle.adk.memoryimportCompressedMemory# 压缩长对话memory=CompressedMemory(compressor=Agent(model=Gemini("gemini-2.0-flash"),instruction="压缩对话，保留关键信息"),compression_ratio=0.3,# 压缩到 30%trigger_tokens=3000# 超过 3000 tokens 时压缩)# 原始对话：3000 tokens# 压缩后：900 tokens

5.2 记忆优先级

fromgoogle.adk.memoryimportPrioritizedMemory# 给记忆设置优先级memory=PrioritizedMemory(priority_rules={"user_name":10,# 高优先级"preferences":8,"chat_history":5,# 低优先级"temporary":1})# 空间不足时，优先保留高优先级记忆

5.3 记忆过期

fromgoogle.adk.memoryimportExpiringMemory# 设置记忆过期时间memory=ExpiringMemory(default_ttl=86400,# 默认 1 天rules={"session_data":3600,# 会话数据 1 小时"user_profile":604800,# 用户信息 7 天"preferences":2592000# 偏好 30 天})# 自动清理过期记忆memory.cleanup_expired()

5.4 记忆缓存

fromgoogle.adk.memoryimportCachedMemory# 缓存频繁访问的记忆memory=CachedMemory(backend="redis",ttl=300,# 5 分钟max_size=1000)# 热点记忆自动缓存# 减少数据库查询

5.5 性能监控

fromgoogle.adk.memoryimportMonitoredMemory memory=MonitoredMemory(base_memory=ConversationBufferMemory(...),metrics=["access_latency","storage_size","hit_rate"])# 获取指标metrics=memory.get_metrics()# {"access_latency": 0.05, "storage_size": "1MB", "hit_rate": 0.95}

系列教程导航：

• 第一章：ADK 简介与对比
• 第二章：环境搭建与快速开始
• 第三章：核心概念与架构
• 第四章：Agent 开发与编排
• 第五章：工具集成与自定义
• 第六章：记忆与状态管理 ← 本章
• 第七章：企业级功能与安全
• 第八章：实战案例与最佳实践