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]"

同一个 local 长期记忆实例不会按 user_id 或 app_name 过滤检索。不要把不同用户的私有数据写入同一个实例；需要用户隔离时选择提供用户隔离的后端

使用示例

安装的 extensions 包含 llama-index 和向量存储适配器。运行前设置下文的 embedding 模型地址、名称、维度和 API Key；即使存储位于本地，记忆文本仍会发送到配置的 embedding 服务

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

LongTermMemory 参数

参数	类型	默认值	说明
`backend`	`str \| BaseLongTermMemoryBackend`	`"opensearch"`	本页使用 `local`；也可传入已配置的后端实例
`backend_config`	`dict`	`{}`	后端配置；显式后端实例优先于此配置
`index`	`str`	`""`	未提供 backend_config 时依次使用 index、app_name、default_app；提供配置字典时应明确指定非空索引
`app_name`	`str`	`""`	index 的回退值；实际用户来自保存的 Session 或检索参数
`top_k`	`int`	`5`	检索片段数量；配置为正整数
`user_id`	`str`	`""`	已废弃；不用于运行时用户隔离

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。

验证写入和检索

配置本页依赖与凭证后运行此独立示例。它直接保存用户文本，再检索同一用户的记忆，不需要调用对话模型

import asyncio

from google.adk.events import Event
from google.adk.sessions import Session
from google.genai import types
from veadk.memory.long_term_memory import LongTermMemory

async def main():
    memory = LongTermMemory(backend="local", index="ltm_demo")
    session = Session(
        id="memory_check", app_name="ltm_demo", user_id="user_42",
        events=[Event(author="user", content=types.Content(
            role="user", parts=[types.Part(text="My preferred language is Chinese")]
        ))],
    )
    await memory.add_session_to_memory(session)
    result = await memory.search_memory(
        app_name="ltm_demo", user_id="user_42", query="preferred language"
    )
    for entry in result.memories:
        print(entry.content)

asyncio.run(main())

结果应包含所保存的语言偏好。托管服务可能异步完成记忆提取，写入返回不保证立刻可检索；空结果也可能来自权限、网络或服务失败，应结合错误日志与服务端记录判断。此方法不返回保存成功的布尔值

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

LongTermMemory 参数

构造参数

embedding 配置

环境变量配置

验证写入和检索

​何时使用

​依赖

​使用示例

​参数

​LongTermMemory 参数

​构造参数

​embedding 配置

​环境变量配置

​验证写入和检索

何时使用

依赖

使用示例

参数

LongTermMemory 参数

构造参数

embedding 配置

环境变量配置

验证写入和检索