7b9e0826de
- 新增 embedding_service（语义检索）、knowledge_service（RAG）、text_chunker、document_parser - 新增 tool_registry（自定义工具注册表）并完善工具市场 API（CRUD + code/http 执行） - 新增 agent_vector_memory / knowledge_base 模型及对应数据库表 - 实现 SSE 流式响应与 Agent 预算控制 - AgentChat.vue 集成 MainLayout 导航布局 - 完善测试体系：7 个新测试文件共 110 个测试覆盖 - 修复 conftest.py SQLite 内存数据库连接隔离问题 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
46 lines
1.7 KiB
Python
46 lines
1.7 KiB
Python
"""
|
|
Agent 向量记忆模型。
|
|
|
|
存储对话片段的 embedding 向量，支持语义检索。
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
import uuid
|
|
from datetime import datetime
|
|
|
|
from sqlalchemy import Column, String, Text, DateTime, Index
|
|
from sqlalchemy.dialects.mysql import JSON as MySQLJSON
|
|
|
|
from app.core.database import Base
|
|
|
|
|
|
class AgentVectorMemory(Base):
|
|
"""Agent 向量记忆 — 存储对话文本及 embedding"""
|
|
|
|
__tablename__ = "agent_vector_memories"
|
|
|
|
id = Column(String(36), primary_key=True, default=lambda: str(uuid.uuid4()))
|
|
scope_kind = Column(String(16), nullable=False, index=True, comment="作用域类型: agent / bare")
|
|
scope_id = Column(String(36), nullable=False, index=True, comment="作用域 ID: agent_id / user_id")
|
|
session_key = Column(String(128), nullable=False, default="", comment="会话标识")
|
|
content_text = Column(Text, nullable=False, comment="原始对话文本")
|
|
embedding = Column(Text, nullable=True, comment="JSON 序列化的 embedding 向量")
|
|
metadata_ = Column("metadata", MySQLJSON, nullable=True, comment="元数据: {type, iteration, ...}")
|
|
created_at = Column(DateTime, default=datetime.utcnow, nullable=False)
|
|
|
|
__table_args__ = (
|
|
Index("ix_agent_vector_memory_scope", "scope_kind", "scope_id"),
|
|
)
|
|
|
|
def to_dict(self) -> dict:
|
|
return {
|
|
"id": self.id,
|
|
"scope_kind": self.scope_kind,
|
|
"scope_id": self.scope_id,
|
|
"session_key": self.session_key,
|
|
"content_text": self.content_text,
|
|
"embedding": self.embedding,
|
|
"metadata": self.metadata_ or {},
|
|
"created_at": self.created_at.isoformat() if self.created_at else None,
|
|
}
|