Documentation Index
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.
opensearch 后端使用 OpenSearch 作为向量存储。记忆文本先经 embedding 模型向量化，再写入 OpenSearch，并按用户隔离索引（实际索引名为 {index}_{user_id}），检索时按相似度召回。它是 LongTermMemory 的默认后端。
pip install "veadk-python[extensions]"
from veadk import Agent
from veadk.memory.long_term_memory import LongTermMemory
# index 需为小写，仅含 a-z0-9_-. 且不以 _ 或 - 开头
ltm = LongTermMemory(backend="opensearch", index="ltm_demo")
agent = Agent(
name="demo",
instruction="回答用户问题，必要时用 `load_memory` 工具检索过往对话。",
long_term_memory=ltm,
)
backend_config 显式传入连接与 embedding 配置：
from veadk.memory.long_term_memory import LongTermMemory
from veadk.configs.database_configs import OpensearchConfig
ltm = LongTermMemory(
backend="opensearch",
index="ltm_demo",
backend_config={
"index": "ltm_demo",
"opensearch_config": OpensearchConfig(
host="localhost",
port=9200,
username="admin",
password="admin",
use_ssl=True,
cert_path="/path/to/ca.pem",
),
},
)
backend_config 支持以下配置项：
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
index | str | 无默认，由 LongTermMemory 传入 | 记忆索引名，须符合 OpenSearch 命名规则。 |
opensearch_config | OpensearchConfig | 自动从 DATABASE_OPENSEARCH_* 环境变量读取 | OpenSearch 连接配置。 |
embedding_config | EmbeddingModelConfig | 自动从 MODEL_EMBEDDING_* 环境变量读取 | embedding 模型配置。 |
opensearch_config 为 OpensearchConfig，环境变量前缀 DATABASE_OPENSEARCH_：
| 配置项 | 环境变量 | 类型 | 默认值 | 说明 |
|---|---|---|---|---|
host | DATABASE_OPENSEARCH_HOST | str | "" | OpenSearch 主机地址。 |
port | DATABASE_OPENSEARCH_PORT | int | 9200 | 端口。 |
use_ssl | DATABASE_OPENSEARCH_USE_SSL | bool | true | 是否启用 SSL。 |
username | DATABASE_OPENSEARCH_USERNAME | str | "" | 用户名。 |
password | DATABASE_OPENSEARCH_PASSWORD | str | "" | 密码。 |
cert_path | DATABASE_OPENSEARCH_CERT_PATH | str | "" | CA 证书路径。为空时不校验证书，存在安全风险并会告警。 |
secret_token | DATABASE_OPENSEARCH_SECRET_TOKEN | str | "" | STS 临时凭证令牌。 |
embedding_config 为 EmbeddingModelConfig，环境变量前缀 MODEL_EMBEDDING_：
| 配置项 | 环境变量 | 类型 | 默认值 | 说明 |
|---|---|---|---|---|
name | MODEL_EMBEDDING_NAME | str | doubao-embedding-vision-250615 | embedding 模型名。 |
dim | MODEL_EMBEDDING_DIM | int | 2048 | embedding 向量维度，用于创建索引的向量字段。 |
api_base | MODEL_EMBEDDING_API_BASE | str | https://ark.cn-beijing.volces.com/api/v3/ | embedding 服务的 API 地址。 |
api_key | MODEL_EMBEDDING_API_KEY | str | 依次回退到 MODEL_AGENT_API_KEY 或自动获取的 Ark 令牌 | 访问 embedding 服务的密钥。 |
# OpenSearch 连接
export DATABASE_OPENSEARCH_HOST="localhost"
export DATABASE_OPENSEARCH_PORT=9200
export DATABASE_OPENSEARCH_USERNAME="admin"
export DATABASE_OPENSEARCH_PASSWORD="admin"
export DATABASE_OPENSEARCH_USE_SSL=true
export DATABASE_OPENSEARCH_CERT_PATH="/path/to/ca.pem"
# embedding 模型
export MODEL_EMBEDDING_NAME="doubao-embedding-vision-250615"
export MODEL_EMBEDDING_DIM=2048
export MODEL_EMBEDDING_API_KEY="your-ark-api-key"
index 必须符合 OpenSearch 命名规则：全小写，仅含 a-z0-9_-.，且不以 _ 或 - 开头，否则会报错。生产环境请配置 cert_path 以启用证书校验，避免安全风险。