Dify 保姆级教程之：零代码打造个性化记忆助手

1. 官方案例

在 Dify 首页，第一个 Tab，官方内置了众多搭建好的智能体案例：

其中，有一个个性化记忆助手的智能体，点击添加到工作区：

在自己的工作室，可以看到这个智能体已复制进来：

点进来，就可以看到所有的编排逻辑，然后可根据自己需求进行修改：

1. 了解会话变量

Dify 中内置了一个全局变量 – 会话变量，在右上角：

这个会话变量具体有什么用？

和多轮对话的内容一样，它也可以作为 LLM 的上下文，不过它的自定义程度更高。

比如在本文的智能体中，就定义了memory这样的会话变量，用来存储需要大模型记忆的信息。

问题来了：memory是怎么发挥作用的？

下面我们一起去探一探。

2. 智能体拆解

step 1 信息过滤: 判断用户输入中是否需要记忆的信息：

从上面的提示词，可以看出，这个节点上大模型只需输出 Yes 或 No，所以下个节点应该是条件判断。

step 2 条件判断：根据上一步大模型输出的 Yes 或 No，分别路由到不同的分支，如果有需要记忆的信息，则执行上方提取记忆的分支，否则走下面的分支。

step 3 提取记忆：通过大模型的角色设定，从用户输入中提取出值得记忆的信息。

在提示词中，指定了提取的三种类型记忆：

"facts": [],
"preferences": [],
"memories": []

step 4 存储记忆：这一步是代码节点，通过编写简单的 Python 代码，将上一步的记忆信息，保存到一开始定义的会话变量 - memory中。

step 5 根据记忆回复：把会话变量 - memory转换成字符串，也就是下图中的{x}result，放到角色提示词中，让大模型根据记忆，进行答复。

至此，基于对话内容中有需要缓存的记忆，上方提取记忆的分支就搞定了。

如果step 2判断为 No，则直接基于已有记忆进行答复，也即下方分支，流程图如下：

3. 效果展示

我在和它进行了几轮对话之后，点开右上角的会话变量，可以发现memory中已经缓存了多条事实类的记忆：

完美！

真的完美么？

相比直接把多条聊天记录作为上下文，这种方式要优雅很多，且极大减少了 Token 消耗量。

不过，个人认为至少还有两点缺陷：

• 随着记忆内容的增多，每次对话，把所有记忆内容都作为上下文，会显得十分冗余，这里可以结合 RAG 来做；
• 每次都从单论对话中提取记忆，缺乏足够的上下文，容易导致记忆内容的断章取义，理想的方式应该从多轮对话中提取有价值的信息；

写在最后

本文通过一个简单案例，带大家拆解并实操了Dify 搭建个性化记忆助手，整体流程比较简单，相信看到这里的你，一定还有很多想法要去实现，快去试试吧~

如果对你有帮助，欢迎点赞收藏备用。

之前微信机器人小爱(AI)的多轮对话，是通过本地缓存上下文信息实现，其实完全可以用本文的智能体替代，后面抽空改造后，再和大家分享！

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。