minimax智能体需配置长短期记忆、外部记忆池、角色状态向量及动态记忆规则才能记住用户偏好与历史交互：一启用长期记忆并插入{memory}变量；二构建8轮内分层短期记忆；三接入外部向量库检索增强；四嵌入128维角色状态向量；五设置关键词触发与信任值升格机制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用Minimax智能体时发现其无法记住用户偏好、历史交互或角色设定，导致每轮对话都需重复说明背景，则可能是由于长短期记忆机制未被正确配置或未启用。以下是让Minimax智能体拥有记忆的具体设置方法：
一、启用并配置长期记忆功能
长期记忆用于持久化存储用户维度的关键信息（如身份、偏好、目标、规则约定），并在后续所有对话中自动注入上下文，避免重复询问。该功能依赖系统级记忆数据库与变量引用机制。
1、进入MaxKB v2.9.0智能体配置页面，在“记忆管理”模块中开启长期记忆开关。
2、选择触发方式：支持按对话轮次数（如每10轮生成一次）或按时间周期（如每日凌晨2点自动提炼）两种策略。
3、在系统提示词中插入变量引用：{memory}，确保该变量位于role为system的初始消息内，且置于所有指令之前。
4、验证记忆内容是否生效：向智能体发送含个人信息的消息（如“我住在杭州，过敏源是尘螨”），隔轮后提问“我住哪？对什么过敏？”，应准确复述。
二、构建分层短期记忆结构
短期记忆负责维持当前会话内的语义连贯性，防止关键指代丢失或状态漂移。它不依赖外部数据库，而是通过结构化context参数与动态截断策略实现。
1、组织对话历史为严格格式的JSON数组，每项包含role（system/user/assistant）与content字段，且system消息必须位于首位。
2、限制短期记忆窗口为最近8轮原始对话，但优先保留含角色标记、变量引用或状态变更的语句（如“作为班主任，我认为…”“上次我说过布丁是三花猫”）。
3、对长对话进行语义压缩而非简单截断：将连续多轮用户确认信息合并为一条摘要句（如“用户确认住址为杭州西湖区，尘螨过敏，养猫名为布丁”），插入context数组末尾。
4、在每次API请求中，将完整更新后的context数组作为请求体字段提交，并校验响应头中的x-context-status: valid标识。
三、部署外部记忆池检索增强
外部记忆池作为独立于模型参数的可检索知识库，通过语义匹配实时召回高相关历史片段，弥补上下文窗口限制，支撑跨会话一致性。
1、为每轮智能体输出（含动作描述、情绪标记、实体提及）生成带时间戳与session_id的记录，存入外部向量数据库。
2、使用Sentence-BERT编码器对输入query与记忆池条目做余弦相似度计算，仅保留相似度≥0.72的前三条。
3、将检索结果以[记忆]:{content}格式拼接至当前请求的system消息末尾，长度不超过512 token。
4、在解码阶段启用记忆感知注意力掩码，强制Transformer最后一层对检索片段位置施加≥0.8的注意力权重。
四、配置角色状态向量嵌入
角色状态向量将身份、性格、语言风格等元数据编码为固定维度稠密表示，直接注入模型隐层，使角色约束成为生成过程的内在驱动力。
1、定义四项必填元数据：职业、年龄区间、语言风格偏好、与用户的预设关系（如“急诊科医生、28岁、自嘲式表达、用户为其患者”）。
2、通过轻量级MLP将元数据映射为128维状态向量，初始化后存入会话级缓存。
3、在每次前向传播前，将该向量作为额外token插入Transformer输入序列起始位置，并与首token hidden state相加。
4、当用户修改角色信息（如“我现在是退休医生”），触发向量重计算并覆盖原缓存值，同时向模型发送强制刷新记忆指令。
五、启用动态记忆触发规则
动态记忆用于捕获用户在交互中主动透露的关键信息，并按语义类别自动归档，形成可检索、可演进的记忆图谱。
1、在“记忆管理”模块中，为用户关联记忆配置关键词触发规则：当输入含“家人”“童年”“害怕”“最喜欢”等词时，自动提取整句存入该分类。
2、为事实型记忆启用实体识别：自动抽取人名、地名、时间、物品名等NER结果，构建三元组（主语-谓词-宾语）存入图数据库。
3、设置信任值变量作为动态记忆权重因子，初始为0，每次用户确认信息后+10，达到50时自动升格为长期记忆锚点。
4、在每轮响应生成后，调用checkpoint-memory-llm.sh脚本，从原始日志中提取成就、决策、问题三类信息，写入MEMORY.md。
