> ## Documentation Index
> Fetch the complete documentation index at: https://docs.veadk.xyz/llms.txt
> Use this file to discover all available pages before exploring further.

# 概览

短期记忆保存会话级上下文，让智能体在多轮交互中记住之前说过的话。它本质上就是发送给模型的对话上下文——系统提示词加历史消息——VeADK 用 `session_id` 来标识：复用同一个 `session_id`，智能体就能记住之前的轮次。

当用户开启对话时，VeADK 会自动创建一个 `Session` 对象，全程跟踪并管理该会话的所有内容。

<Note>
  短期记忆基于 Google ADK 的 Session 机制，更多背景见 [Google ADK Session](https://google.github.io/adk-docs/sessions/session)。
</Note>

## 统一入口：ShortTermMemory

无论使用哪种后端，均通过统一的 `veadk.memory.short_term_memory.ShortTermMemory` 接入。它根据 `backend`（或 `db_url`）选择存储方式，并提供统一的会话管理能力。

```python lines theme={null}
from veadk.memory.short_term_memory import ShortTermMemory

# 通过 backend 选择实现
stm = ShortTermMemory(backend="sqlite", local_database_path="./stm.db")
```

### 参数

| 参数 | 类型 | 默认值 | 说明 |
| :- | :- | :- | :- |
| `backend` | `"local" \| "sqlite" \| "mysql" \| "postgresql" \| "database"` | `"local"` | 选择后端实现。`database` 已废弃，等价于 `sqlite`。 |
| `db_url` | `str` | `""` | 直接给出数据库连接串（如 `sqlite:///./test.db`）。一旦设置，将忽略 `backend`，并采用 `db_url` 与 `db_kwargs`。 |
| `backend_configs` | `dict` | `{}` | 后端专用配置，例如通过 `mysql_config` 或 `postgresql_config` 覆盖数据库连接配置。 |
| `db_kwargs` | `dict` | `{}` | 数据库连接或连接池的额外参数。 |
| `local_database_path` | `str` | `/tmp/veadk_local_database.db` | 仅 `sqlite` 使用的本地数据库文件路径。 |
| `after_load_memory_callback` | `Callable \| None` | `None` | 读取会话后触发的回调，入参为加载到的 `Session`。 |

<Warning>
  当连接串里的用户名或密码包含 `@`、`:` 等特殊字符时，请先用 `urllib.parse.quote_plus` 编码（例如 `p@ssword` → `p%40ssword`），否则解析会出错。
</Warning>

## 后端行为

所有后端提供相同的会话管理能力，区别在于数据保存位置和连接方式：

* `local` 只在当前进程内保存会话；
* `sqlite` 把会话写入本地文件；
* `mysql` 与 `postgresql` 把会话写入外部数据库，适合多实例共享。

## 选择后端

| 后端 | 是否持久化 | 依赖外部服务 | 适用场景 | 文档 |
| :- | :- | :- | :- | :- |
| `local` | 否（仅内存） | 无 | 本地调试、临时会话 | [本地内存](/productions/veadk/archives/1.0.8/zh/components/session/local) |
| `sqlite` | 是（本地文件） | 无 | 单机持久化 | [SQLite](/productions/veadk/archives/1.0.8/zh/components/session/sqlite) |
| `mysql` | 是 | MySQL | 分布式持久化 | [MySQL](/productions/veadk/archives/1.0.8/zh/components/session/mysql) |
| `postgresql` | 是 | PostgreSQL | 分布式持久化 | [PostgreSQL](/productions/veadk/archives/1.0.8/zh/components/session/postgresql) |

## 与 Runner 协作

短期记忆通常传给 `Runner`，由 `Runner` 自动创建或恢复会话。运行时复用相同的 `session_id` 即可延续上下文。

```python lines theme={null}
import asyncio

from veadk import Agent, Runner
from veadk.memory.short_term_memory import ShortTermMemory

stm = ShortTermMemory(backend="sqlite", local_database_path="./stm.db")
agent = Agent(name="memory_agent", instruction="记住用户告诉你的信息。")
runner = Runner(agent=agent, short_term_memory=stm, app_name="memory_demo")

async def main():
    sid = "user-42-chat"
    print(await runner.run(messages="我叫小明，最喜欢蓝色。", session_id=sid))
    print(await runner.run(messages="我叫什么？喜欢什么颜色？", session_id=sid))

asyncio.run(main())
```

<Note>
  若既没给 `Runner` 传 `short_term_memory` 也没传 `session_service`，`Runner` 会自动创建一个 `local`（内存）短期记忆兜底。
</Note>

## 会话管理接口

你通常无需直接创建或管理 `Session`，而是通过 `session_service` 管理整个会话生命周期：

* 启动新会话 `create_session()`：用户发起交互时创建新的 `Session`。
* 恢复已有会话 `get_session()`：通过 `session_id` 检索特定 `Session`，接续之前的进度。
* 保存进度 `append_event()`：把新的交互（`Event`）追加到会话历史。
* 列出会话 `list_sessions()`：查询某用户与应用下的活跃会话。
* 清理会话 `delete_session()`：删除 `Session` 及其关联数据。

## 上下文压缩

随着会话进行，历史会不断增长，导致模型处理的数据变多、响应变慢。上下文压缩用滑动窗口汇总历史：当会话历史超过设定阈值时，自动压缩较早的事件。

### 配置上下文压缩

配置后，`Runner` 会在每次达到间隔时自动压缩会话历史。

```python lines theme={null}
from google.adk.apps.app import App, EventsCompactionConfig

from veadk import Agent

root_agent = Agent(
    name="my_agent",
    instruction="你是一个智能助手，擅长用中文礼貌地回复用户问题。",
)

app = App(
    name="my_agent",
    root_agent=root_agent,
    events_compaction_config=EventsCompactionConfig(
        compaction_interval=3,  # 每 3 次新调用触发一次压缩
        overlap_size=1,         # 与上一个窗口的最后一个事件重叠
    ),
)
```

### 自定义压缩器

用 `LlmEventSummarizer` 指定压缩使用的模型和提示词模板。模型的 API Key 与 API Base 通过环境变量提供，这里从 `os.environ` 读取，不要硬编码：

```python lines theme={null}
import os

from google.adk.apps.app import App, EventsCompactionConfig
from google.adk.apps.llm_event_summarizer import LlmEventSummarizer
from google.adk.models.lite_llm import LiteLlm

from veadk import Agent

root_agent = Agent(
    name="my_agent",
    instruction="你是一个智能助手，擅长用中文礼貌地回复用户问题。",
)

summarization_llm = LiteLlm(
    model="volcengine/doubao-seed-2-1-pro-260628",
    api_key=os.environ["MODEL_AGENT_API_KEY"],
    api_base=os.environ.get(
        "MODEL_AGENT_API_BASE", "https://ark.cn-beijing.volces.com/api/v3/"
    ),
)

my_compactor = LlmEventSummarizer(
    llm=summarization_llm,
    prompt_template="""请总结这段对话，压缩要求：
1. 保留关键实体、数据点和时间线；
2. 突出讨论过的核心问题与解决方案；
3. 保持逻辑连贯与上下文相关；
4. 去除重复表达和冗余细节。""",
)

app = App(
    name="my_agent",
    root_agent=root_agent,
    events_compaction_config=EventsCompactionConfig(
        compactor=my_compactor,
        compaction_interval=5,
        overlap_size=1,
    ),
)
```