大脑升级：Memory 和 Knowledge

大脑升级：记忆与知识

默认情况下，大型语言模型是无状态的——一旦上下文窗口关闭，它们就不会记住你五分钟前说过的话。为了让Agent真正有效，它需要上下文。CrewAI提供了两个主要的系统来处理这个问题：记忆（用于回忆交互）和知识（用于基于数据提供答案）。

记忆类型

CrewAI实现了一个复杂的记忆系统，能够跨不同的执行运行存储和检索信息。它分为三种类型：

• Short-Term Memory（短期记忆）: 使用RAG（检索增强生成）来存储当前执行流程的即时上下文。它帮助Agent跟踪刚刚发生的事情。
• Long-Term Memory（长期记忆）: 存储在本地数据库（如SQLite/Chroma）中。这允许Agent从过去的执行中学习。如果一个Agent昨天学习了用户的偏好，它今天就能回忆起来。
• Entity Memory（实体记忆）: 专注于记忆实体（人、地点、概念）的特定细节，以保持一致性。

启用记忆很简单。你只需在Crew配置中切换该标志：

my_crew = Crew(
    agents=[...],
    tasks=[...],
    memory=True, # 这会启用短期、长期和实体记忆
    verbose=True
)

知识：将Agent置于现实之中

记忆关乎交互，而知识则关乎信息所有权。你经常需要Agent根据你的特定业务数据（PDF文件、电子表格或内部文档）来回答问题，而不是基于LLM的通用训练数据。

CrewAI通过将数据源视为可以附加到Agent的“知识”，简化了RAG（检索增强生成）。系统会处理文本分块、创建嵌入和执行向量搜索等复杂工作。

实现知识源

你可以从crewai.knowledge.source导入各种源加载器。常见的源包括文本字符串、文本文件、PDF文件和Excel/CSV表格。

from crewai import Agent, Crew, Task
from crewai.knowledge.source.string_knowledge_source import StringKnowledgeSource
from crewai.knowledge.source.text_file_knowledge_source import TextFileKnowledgeSource

# 1. 创建知识源

# 一个简单的字符串源
content_source = StringKnowledgeSource(
    content="CrewAI was created in 2024 to simplify multi-agent orchestration.",
)

# 一个文件源（本地PDF、TXT等）
file_source = TextFileKnowledgeSource(
    file_paths=["specs.txt", "user_manual.pdf"]
)

# 2. 将知识分配给Agent
support_agent = Agent(
    role="Support Specialist",
    goal="Answer questions based strictly on provided manuals",
    backstory="You are the first line of support.",
    knowledge_sources=[content_source, file_source] # Agent现在“知道”这些数据
)

# 3. 创建需要该知识的任务
task = Task(
    description="When was CrewAI created according to your knowledge?",
    expected_output="The creation date.",
    agent=support_agent
)

通过明确定义知识源，你可以确保你的Agent提供准确的、特定领域内的答案，同时减少幻觉。