HetaMem

HetaMem 是 Heta 的 Agent 记忆子系统，提供两个互补的记忆层，共同为 Agent 提供快速的情节回忆能力和持续增长的长期知识图谱。

---

双层架构

graph TB
    subgraph HetaMem
        VG["MemoryVG（情节记忆）<br/>mem0 + Milvus<br/>~100 ms 召回"]
        KB["MemoryKB（知识图谱）<br/>LightRAG (NanoVectorDB)<br/>~200 s 索引时间"]
    end

---

MemoryVG 与 MemoryKB 对比

	MemoryVG	MemoryKB
引擎	mem0 + Milvus	LightRAG (NanoVectorDB)
构建方	Agent（从对话中提取）	Agent（主动文本插入）
索引时间	即时	~200 秒（异步）
查询延迟	~100 毫秒	~1 秒
存储模型	独立事实嵌入向量	知识图谱（实体 + 关系）
检索方式	语义相似度	hybrid / local / global 图检索模式
增删改查	完整支持（get / update / delete / history）	仅支持 insert 和 query
适用场景	跨会话事实缓存；对话记忆	长期积累领域知识

---

作用域隔离

每次记忆操作通过以下三个标识符中的一个或多个进行作用域隔离：

标识符	含义
user_id	按终端用户隔离记忆
agent_id	按 Agent 实例隔离记忆
run_id	将记忆隔离到单次对话会话

每次 add、search、insert、query 调用时请传入对应的作用域字段。不同作用域下创建的记忆互不可见。

---

记忆层选择指南

层	最适合	典型延迟
MemoryVG	已见事实；跨会话缓存；对话历史	~100 毫秒
HetaDB	从上传的人类文档中深度检索	1–3 秒
MemoryKB	Agent 持续积累的长期知识图谱	索引 ~200 秒 · 查询 ~1 秒

优先使用 MemoryVG 进行快速召回，文档知识则回落到 HetaDB 检索。将新发现存入 MemoryVG 以便下次快速调取；若该知识值得跨重启持久保存，则同步写入 MemoryKB。

---

子页面

• MemoryVG — 情节记忆：添加、搜索、增删改查操作
• MemoryKB — 长期知识图谱：插入、查询、检索模式
• 查询技能 — Agent 编排指南