Skip to main content
redis 后端使用 Redis 作为向量存储。记忆文本先经 embedding 模型向量化,再写入 Redis,并按用户隔离索引(实际索引名为 veadk-ltm/{index}/{user_id}),检索时按余弦相似度召回。

何时使用

  • 已有 Redis 实例并开启了 RediSearch 模块;
  • 希望用 Redis 作为低延迟的向量检索后端,并需要持久化与多实例共享。

依赖

Redis 需支持 RediSearch(向量检索)能力。

使用示例

运行前准备启用 RediSearch 的 Redis、可创建和访问索引的账号,并设置下文的 Redis 与 embedding 环境变量。持久性取决于 Redis 的 RDB/AOF 与备份配置;VeADK 不负责启用这些服务设置
也可以通过 backend_config 显式传入连接配置:

参数

LongTermMemory 参数

构造参数

backend_config 支持以下配置项:

Redis 连接配置

redis_config 为 RedisConfig,环境变量前缀 DATABASE_REDIS_:

embedding 配置

embedding_config 为 EmbeddingModelConfig,环境变量前缀 MODEL_EMBEDDING_:

环境变量配置

向量维度取自 embedding 配置(MODEL_EMBEDDING_DIM),索引使用 flat 算法与余弦距离度量,并为每个用户单独创建索引(veadk-ltm/{index}/{user_id})。

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
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
最后修改于 2026年9月19日