实时会话中的记忆

如果一个声音在每次通话之间都会忘记你，它就像一个自助终端。ADK-Rust 让实时 agent 能够记住——在说话之前回想它之前从用户那里学到的内容，并在对话进行中整理新的事实——方法是将一个 MemoryService 接入 IntegratedRealtimeRunner。

有两种协同工作的机制：

1. 自动上下文注入 + 轮次存储——集成层会替你完成。
2. 由 agent 通过 tools 策划的记忆——agent 使用桥接的知识图谱 tools 决定哪些内容值得保留。

1. 自动注入与存储

附加一个 MemoryService，runner 就会处理往返流程：

let runner = IntegratedRealtimeRunner::builder()
    .model(model)
    .config(config)
    .identity("support", &user_id, &session_id)
    .session_service(sessions)
    .memory_service(memory.clone())
    .integration_config(IntegrationConfig {
        inject_memory_context: true,   // query memory at connect
        max_memory_injection: 10,      // cap injected items
        store_to_memory: true,         // write each completed turn back
        persist_transcripts: true,
    })
    .build()?;

• 在连接时，会为该用户查询 memory，并将结果折叠进 session context，这样 agent 在打招呼时就已经知道相关历史。
• 每一轮，已完成的交互会写回（当 store_to_memory 时），因此下一次 session 会在这一次的基础上继续。

任何 MemoryService 都可以——开发时可用内存中的那个，或者下面的知识图谱后端。

2. 知识图谱后端

adk-memory 的 GraphMemoryService 将 memory 存储为一个 双时间知识图谱：实体和关系都会分别跟踪 事件时间（它何时为真）和 摄取时间（系统何时得知它）。这意味着 agent 可以回答“用户当前的计划是什么？”而不会被它曾经是别的内容这一事实干扰——被取代的事实会保留在历史中，而不是覆盖当前状态。

use adk_memory::GraphMemoryService;
use std::sync::Arc;

let kg = Arc::new(GraphMemoryService::new(/* backing store */));

将其作为 memory_service 传入后，上面的自动注入现在就会基于该图谱。

3. 让 agent 策划记忆

最强大的模式：给 agent 提供用于直接写入图谱的 tools，这样它就会有意地记住内容，而不是把每段转录都倾倒进去。adk-tool（feature graph-memory-tools）提供了两个可直接桥接到实时 session 的工具：

通过 .adk_tool(...) 将它们连接起来（见 Tools）：

use adk_tool::{RememberTool, RelateTool};

let runner = IntegratedRealtimeRunner::builder()
    .model(model).config(config)
    .identity("support", &user_id, &session_id)
    .memory_service(kg.clone())
    .adk_tool(Arc::new(RememberTool::new(kg.clone())))
    .adk_tool(Arc::new(RelateTool::new(kg)))
    .build()?;

然后指示 agent 使用它们：

When you learn a durable fact about the customer (a preference, an account
detail, a decision), call `remember` to store it. Use `relate` to link orders
or items to the customer. Recall naturally — don't announce that you're saving.

召回是基于 token 的：图会返回与对话最相关的实体/关系，并受 max_memory_injection 约束，因此即使图不断增长，context 也能保持很小。

选择深度

• 无状态演示 → 没有 memory_service。每个 session 都会从头开始。
• 跨 session 的连续性 → 内存中或 GraphMemoryService，并带有自动注入/存储。无需 agent 额外工作。
• 学习型 agent → GraphMemoryService + remember/relate 工具，这样 agent 维护的是一个干净、可查询的用户模型，而不是一堆 transcript。

MIA coaching 示例使用 graph + tools，因此 coach 可以在 sessions 之间记住用户的目标和偏好；参见 Examples。

下一步：构建 web apps →

恢复的 session 中会带入什么

IntegratedRealtimeRunner::connect 会构建一个 context block，并在 provider session 创建之前将其前置到 system instruction 中：

两者都受限制，因为该指令在会话创建时发送一次，并计入模型的上下文。每一轮都会被渲染为 role: text，并在 400 个字符处截断，且没有文本的轮次会被丢弃。将限制设为零会禁用该部分。

IntegratedRealtimeRunner::instruction() 返回会话创建时所使用的内容，因此可以直接断言传递的上下文，而不是推断它：

runner.connect().await?;
let instruction = runner.instruction().await.unwrap_or_default();
assert!(instruction.contains("Relevant recalled context"));

重要： 这段上下文之前已被加载并丢弃 —— 先前的会话被获取到 _session 后又丢弃，而且内存分支在一条注释旁记录了“将内存条目注入会话上下文”，该注释说明注入是未来的增强功能。恢复的会话一开始两者都没有，而日志却说相反的话。