向量嵌入记忆后端
向量嵌入后端将记忆存储为向量嵌入，实现语义相似度搜索。这是最强大的回忆机制，即使精确关键词不匹配，Agent 也能找到上下文相关的记忆。
概述
向量嵌入后端的工作方式：
- 将记忆文本转换为稠密向量表示
- 在本地或远程向量数据库中存储向量
- 通过与当前查询的余弦相似度检索记忆
- 支持多种嵌入提供商（Ollama、OpenAI 等）
工作原理
- 存储记忆时，文本被发送到嵌入模型
- 生成的向量与原始文本一起存储
- 回忆时，当前上下文被嵌入并与存储的向量比较
- 返回相似度最高的 Top-K 条记忆
配置
toml
[memory]
backend = "embeddings"
[memory.embeddings]
provider = "ollama"
model = "nomic-embed-text"
dimension = 768
top_k = 10
similarity_threshold = 0.5
[memory.embeddings.store]
type = "sqlite-vec" # 或 "pgvector"
path = "~/.local/share/openprx/embeddings.db"1
2
3
4
5
6
7
8
9
10
11
12
13
2
3
4
5
6
7
8
9
10
11
12
13
支持的嵌入提供商
| 提供商 | 模型 | 维度 |
|---|---|---|
| Ollama | nomic-embed-text | 768 |
| OpenAI | text-embedding-3-small | 1536 |
| OpenAI | text-embedding-3-large | 3072 |