本示例展示了如何单独配置记忆管理器（Memory Manager）和摘要器（Summarizer）模型。

在此示例中，我们将OpenRouter和LLama 3.3-70b-instruct用作记忆管理器，将Claude 3.5 Sonnet用作摘要器，同时将Gemini用作Agent。

我们还为记忆管理器和摘要器设置了自定义系统提示。

​
代码

cookbook/agent_concepts/memory/10_custom_memory.py
from agno.agent.agent import Agent
from agno.memory.v2.db.sqlite import SqliteMemoryDb
from agno.memory.v2.memory import Memory, MemoryManager, SessionSummarizer
from agno.models.anthropic.claude import Claude
from agno.models.google.gemini import Gemini
from agno.models.openrouter.openrouter import OpenRouter
from rich.pretty import pprint

memory_db = SqliteMemoryDb(table_name="memory", db_file="tmp/memory.db")

# 您也可以覆盖记忆管理器的整个 `system_message`
memory_manager = MemoryManager(
    model=OpenRouter(id="meta-llama/llama-3.3-70b-instruct"),
    additional_instructions="""
    重要提示：不要存储任何关于用户姓名的记忆。请直接说“用户”（The User），而不是引用用户的名字。
    """,
)

# 您也可以覆盖会话摘要器的整个 `system_message`
session_summarizer = SessionSummarizer(
    model=Claude(id="claude-3-5-sonnet-20241022"),
    additional_instructions="""
    让摘要非常口语化和对话化。
    """,
)

memory = Memory(
    db=memory_db,
    memory_manager=memory_manager,
    summarizer=session_summarizer,
)

# 重置此示例的记忆
memory.clear()

john_doe_id = "john_doe@example.com"

agent = Agent(
    model=Gemini(id="gemini-2.0-flash-exp"),
    memory=memory,
    enable_user_memories=True,
    enable_session_summaries=True,
    user_id=john_doe_id,
)

agent.print_response(
    "我的名字叫John Doe，我喜欢游泳和踢足球。", stream=True
)

agent.print_response("我不喜欢游泳", stream=True)

memories = memory.get_user_memories(user_id=john_doe_id)

print("John Doe 的记忆：")
pprint(memories)

summary = agent.get_session_summary()
print("会话摘要：")
pprint(summary)

​
用法

1

创建虚拟环境

打开 Terminal 并创建一个 python 虚拟环境。

python3 -m venv .venv
source .venv/bin/activate
2

安装库

pip install -U agno rich
3

运行示例

python cookbook/agent_concepts/memory/10_custom_memory.py