一、依赖安装
根据 requirements.txt 文件，安装项目所需要的核心依赖。
| 包名 | 版本要求 | 功能说明 |
| crewai | >=0.80.0 | AI 代理协作框架，用于构建多代理系统 |
| openai | >=1.0.0 | OpenAI API 客户端，用于模型调用 |
| pydantic | >=2.0.0 | 数据验证和序列化库 |
crewai>=0.80.0openai>=1.0.0pydantic>=2.0.0tdaimemory # Memory SDK
运行以下命令安装依赖包。
pip3 install -r requirements.txt
二、配置文件 (config.py)
在 config.py 文件中分别配置模型服务（生成回复）和 Memory 服务（存储和检索记忆）相关参数。
# config.py# 模型服务配置 (兼容 OpenAI SDK)MODEL_CONFIG = { "base_url": "https://api.hunyuan.cloud.tencent.com/v1/", # 请填写实际模型服务请求地址 "api_key": "your_model_api_key", # 请填写对应的模型服务API Key "model": "model_name" # 请填写模型名称}# Memory 服务配置MEMORY_CONFIG = { "endpoint": "https://memory.tdai.tencentyun.com", "api_key": "your_memory_api_key", "memory_id": "tdai-mem-xxxxxx", "actor_id": "user_a"}
三、Running Environment
Operating System: Ubuntu 24.04.3 LTS / x86_64Runtime Version: Python 3.11.1
四、工具封装说明
在 memory_tool.py 中，初始化全局 MemoryClient，获取配置文件中 Memory 服务配置，并提供记忆搜索服务封装的函数 search_user_memory。
# memory_tool.pyimport jsonfrom tdaimemory import MemoryClientfrom config import MEMORY_CONFIG# 创建全局 Memory 客户端_memory_client = MemoryClient( endpoint=MEMORY_CONFIG["endpoint"], api_key=MEMORY_CONFIG["api_key"], memory_id=MEMORY_CONFIG["memory_id"])def search_user_memory(query: str, actor_id: str, limit: int = 10, memory_type: str = "persona") -> str: """搜索用户的历史记忆""" try: result = _memory_client.search_records( actor_id=actor_id, query=query, type=memory_type, limit=limit, enable_rerank=True ) if not result.get("records"): return "未找到相关的用户记忆信息。" formatted_records = [] for record in result.get("records", []): formatted_records.append({ "content": record.get("record_content", ""), "type": record.get("type", ""), "updated_time": record.get("updated_time", "") }) return json.dumps({ "total_count": result.get("total_count", 0), "records": formatted_records }, ensure_ascii=False, indent=2) except Exception as e: return f"搜索记忆时发生错误: {str(e)}"