96SEO 2026-07-23 02:41 8
AgentRun 通过集成表格存储。为智能体提供三种持久化记忆能力:在同一对话中维持上下文的会话历史、跨会话保留使用者偏好等结构化信息的长期记忆,还有可直接读写的会话状态。这篇文章介绍如何创建并配置记忆存储,并通过可运行的代码示例演示三种记忆类型的使用方式。老实说,
| 类型 | 作用 | 触发方式 | 跨会话 | Tablestore 表 |
|---|---|---|---|---|
会话历史记录同一 session 内的完整对话轮次维持多轮对话上下文每次请求自动写入,传入相同 session_id 即可否session+message | ||||
长期记忆从对话中提炼使用者偏好等结构化信息。以向量形式持久化,让 Agent 随使用逐渐了解使用者Agent 调用 MCP 工具自动提取并存储是mem0 | ||||
会话状态存储每次对话的元数据,如任务进度、使用者设置等仅支持通过 SDK 显式读写,AgentRun控制台快速创建的Agent不支持会话状态否session | ||||
登录函数计算控制台,在左侧菜单栏单击函数智能智能体 AgentRun进入 AgentRun 控制台。关键:If 进入 AgentRun 控制台后右上角有“体验新版”字样,单击切换到新版控制台。

在左侧菜单栏单击记忆,接下来单击添加记忆存储 ,填写相关配置项:
在左侧菜单栏单击Agent 运行时 。接下来单击创建 Agent ,选择快速创建 ,填写相关配置项:
* **Agent 名称** 必填,程序自动生成),可自定义
* **模型服务** 选择已配置的模型,如 qwen3.-plus
* **程序提示词** 可选择模板,如 “智能问答助手”
* **工具与上下文**> **记忆** 添加 步骤一 创建 的 记忆 存储
* **说明** 使用 长期 记忆 功能时需按页面提示 开启 MCP,Agent 才能 自动 提取 和读取 长期 记忆。* **访问凭证** 默认匿名访问。可选择已有凭证或创建新凭证
* 单击 创建 Agent,等待 Agent 启动完成。老实说,
输入 “我叫小明。我最近在学习向量数据库”,观察 Agent 回复
说明函数计算遵循 Serverless 架构,只有在请求到达时才创建实例,并能及时释放实例帮助使用者节省成本。首次提问时会有较长的等待时间。
在 同 一 对话 中继续 提问 “我叫什么?”,验证 会话 历史
*/
/* 此处省略冗长文本 */
*
html
text
pip3 install alibabacloud_agentrun20250910 openai tablestore agentrun-sdk agentrun-mem0ai google-adk litellm langchain-openai
ini
export ALIBABACLOUDACCESSKEYSECRET="{access-key-secret}"
export AGENTENDPOINT="{AGENTENDPOINT}"
export AGENTAPIKEY="{agent-api-key}"
export MEMORYCOLLECTIONNAME="{memory-name}"
export DASHSCOPEAPIKEY="{dashscope-api-key}"
export TABLESTOREENDPOINT="{TABLESTOREENDPOINT}" export TABLESTORE_INSTANCE="{instance-name}"
python import os,re,threading,time。uuid from openai import OpenAI
AGENTENDPOINT = os.environ AGENTAPIKEY = os.environ MODEL = os.getenv
accountmatch = re.match.agentrun-data.",AGENTENDPOINT) USERID = accountmatch.group if accountmatch else "defaultuser" _agentmatch = re.search/endpoints/",AGENTENDPOINT) AGENTID = agentmatch.group if agentmatch else "default_agent"
client = OpenAI( baseurl=f"{AGENTENDPOINT}/openai/v1",apikey=AGENTAPI_KEY,)
def chat -> str: print stopevent = threading.Event spinner = threading.Thread,daemon=True) spinner.start stream = client.chat.completions.create( model=MODEL,messages=history +,stream=True,extraheaders={ "X-AgentRun-Conversation-ID": sessionid,"X-AgentRun-User-ID": USERID,"X-AgentRun-Agent-ID": AGENTID,},) fullreply= firsttoken=True for chunk in stream: if chunk.choices and chunk.choices.delta.content: token=chunk.choices.delta.content if firsttoken: stopevent.set;spinner.join print;firsttoken=False print; 说起来,fullreply.append stopevent.set;spinner.join;print return "".join
def main: session_id=str);history= print;print") q1="我叫小明,我是一名数据工程师" r1=chat;按理说,history+= q2="我叫什么名字?" r2=chat,history+= main
MCP 集成需要在控制台开启服务配置并获取 MCP 服务 URL。接下来将其配置到支持 MCP 工具调用的 Agent 中,即可自动提取、更新、删除长期记忆。
python import os,time from agentrun.memory_collection import MemoryCollection
MEMORYCOLLECTIONNAME=os.environ memory=MemoryCollection.tomem0memory
def addmemories: result=memory.add( "我叫 Alice,是 Python 工程师...",userid=userid。metadata={"sourceapp":"openmemory"} ) def search_memories: results=memory.search
python import os,threading,time,json from langchaincore.messages import SystemMessage,HigherMessage from langchainopenai import ChatOpenAI from agentrun.memory_collection import MemoryCollection
def retrieve_context: mems=mem0.search;return
python import json,os。timestamptz from datetime import datetime import tablestore as ots
ENDPOINT=os.environ;INSTANCE=os.environ ACCESSID=os.environ;ACCESSSECRET=os.environ
client=ots.OTSClient
def listsessions: _,,rows,=client.getrange,],maxversion=None。maxrows=len)
python from google.adk.agents import Agent from google.adk.models.litellm import LiteLlm from google.adk.runners import Runner from agentrun.conversationservice.adapters import OTSSessionService
store=sessionstorefrommemorycollection store.init_tables service=OTSSessionService agent=Agent) runner=Runner
查询内存集合详细信息,包括关联实例、向量集合、维度、嵌入模型及提取模型,可用于排查或了解底层资源。
python import os;from alibabacloudagentrun20250910.client import Client from alibabacloudteaopenapi import models as openapi_models
config=openapimodels.Config,accesskeysecret=os.getenv。endpoint='agentrun.cn-hangzhou.aliyuncs.com') client=Client
def getmemorycollection: return client.getmemorycollection.body.data.to_map
def listmemorycollections: req=require.models.ListMemoryCollectionsRequest resp=request.client.listmemorycollections return ]
作为专业的SEO优化服务提供商,我们致力于通过科学、系统的搜索引擎优化策略,帮助企业在百度、Google等搜索引擎中获得更高的排名和流量。我们的服务涵盖网站结构优化、内容优化、技术SEO和链接建设等多个维度。
| 服务项目 | 基础套餐 | 标准套餐 | 高级定制 |
|---|---|---|---|
| 关键词优化数量 | 10-20个核心词 | 30-50个核心词+长尾词 | 80-150个全方位覆盖 |
| 内容优化 | 基础页面优化 | 全站内容优化+每月5篇原创 | 个性化内容策略+每月15篇原创 |
| 技术SEO | 基本技术检查 | 全面技术优化+移动适配 | 深度技术重构+性能优化 |
| 外链建设 | 每月5-10条 | 每月20-30条高质量外链 | 每月50+条多渠道外链 |
| 数据报告 | 月度基础报告 | 双周详细报告+分析 | 每周深度报告+策略调整 |
| 效果保障 | 3-6个月见效 | 2-4个月见效 | 1-3个月快速见效 |
我们的SEO优化服务遵循科学严谨的流程,确保每一步都基于数据分析和行业最佳实践:
全面检测网站技术问题、内容质量、竞争对手情况,制定个性化优化方案。
基于用户搜索意图和商业目标,制定全面的关键词矩阵和布局策略。
解决网站技术问题,优化网站结构,提升页面速度和移动端体验。
创作高质量原创内容,优化现有页面,建立内容更新机制。
获取高质量外部链接,建立品牌在线影响力,提升网站权威度。
持续监控排名、流量和转化数据,根据效果调整优化策略。
基于我们服务的客户数据统计,平均优化效果如下:
我们坚信,真正的SEO优化不仅仅是追求排名,而是通过提供优质内容、优化用户体验、建立网站权威,最终实现可持续的业务增长。我们的目标是与客户建立长期合作关系,共同成长。
Demand feedback