使用本地内存

local 后端把长期记忆保存在当前进程的内存中。记忆文本先经 embedding 模型向量化，再写入一个基于 llama-index 的内存向量索引，检索时按语义相似度召回。由于数据仅存在于进程内存，进程退出后即清空，也无法跨进程共享，因此该后端定位为本地开发与调试、快速验证长期记忆的端到端流程，不适用于生产环境。

何时使用

在本地快速体验长期记忆的完整流程，从写入到跨会话检索；
编写与调试智能体逻辑，暂不引入外部存储；
编写演示或单元测试，无需保留数据。

依赖

local 后端依赖向量检索能力，需要安装扩展依赖：

pip install "veadk-python[extensions]"

使用示例

from veadk import Agent
from veadk.memory.long_term_memory import LongTermMemory

# local 后端对 index 命名没有限制
ltm = LongTermMemory(backend="local", app_name="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,
)

完整跨会话示例见长期记忆 · 跨会话示例。

参数

通常只需向 LongTermMemory 传入 index 或 app_name；如需自定义 embedding，可通过 backend_config 传入 embedding_config。

构造参数

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。`local` 后端对命名无限制。
`embedding_config`	`EmbeddingModelConfig`	自动从 `MODEL_EMBEDDING_*` 环境变量读取	embedding 模型配置，用于把记忆文本向量化。

embedding 配置

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，需与模型匹配。
`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。

环境变量配置

# embedding 模型；若不设置将使用默认值，并在缺少 API Key 时复用智能体模型的密钥
export MODEL_EMBEDDING_NAME="doubao-embedding-vision-250615"
export MODEL_EMBEDDING_DIM=2048
export MODEL_EMBEDDING_API_BASE="https://ark.cn-beijing.volces.com/api/v3/"
export MODEL_EMBEDDING_API_KEY="your-ark-api-key"

若未单独设置 MODEL_EMBEDDING_API_KEY，会依次尝试复用 MODEL_AGENT_API_KEY，再回退到自动获取的 Ark 令牌。

local 后端仅将记忆保存在进程内存中，进程退出后数据即丢失，且无法跨进程共享。需要持久化或多实例共享，请改用 VikingDB、Mem0、OpenSearch 或 Redis。

概览

快速开始

核心组件

可观测

扩展

前端

安全

部署

何时使用

依赖

使用示例

参数

构造参数

embedding 配置

环境变量配置

​何时使用

​依赖

​使用示例

​参数

​构造参数

​embedding 配置

​环境变量配置

何时使用

依赖

使用示例

参数

构造参数

embedding 配置

环境变量配置