Dify 保姆级教程之：零代码打造个性化记忆助手

说实话，想在本地把环境配置好，确实有点烦人，对新手来说尤其不友好。

那有没有更省事的办法——比如直接在 Dify 上搭一个智能体，让它拥有大模型的“长期记忆”？

琢磨了一下，发现 Dify 官方案例里其实就有一个现成的模板，叫“个性化记忆助手”。今天就把这个搭建过程拆开揉碎了说一说，希望能给有类似需求的朋友一些启发。

如果你已经按之前的教程搞定了 Dify 本地安装，那很棒；资源不够的话，直接用官方的在线体验地址也行。

1. 官方案例

在 Dify 首页的第一个 Tab 里，官方内置了不少已经搭好的智能体案例：

其中就有一个叫“个性化记忆助手”的智能体。点击“添加到工作区”：

它就会被复制到你的“工作室”里：

点进去就能看到完整的编排逻辑，然后根据自己需要直接改就行：

1. 了解会话变量

Dify 里有个内置的全局变量，叫“会话变量”，就在右上角：

这个“会话变量”是干什么用的？

和多轮对话里的内容类似，它也能作为 LLM 的上下文，但它的自定义程度更高。

举个例子，在这个智能体里，就定义了一个叫 memory 的会话变量，专门用来存放那些需要大模型记住的信息。

那问题来了：这个 memory 具体是怎么起作用的？

咱们一步步往下看。

2. 智能体拆解

：先判断用户的输入里，有没有需要被记住的信息。这一步大模型只需要输出 Yes 或 No，所以下一步自然就是条件判断。

：根据上一步大模型输出的 Yes 或 No，走不同的分支。如果有需要记忆的信息，就走上方“提取记忆”的分支；否则就走下面的分支。

：通过给大模型设定角色，让它从用户输入里提取出“值得”记住的信息。

在提示词里，指定了三种记忆类型：

"facts": [],
"preferences": [],
"memories": []

：这一步是用代码节点搞定的——写一段简单的 Python 脚本，把上一步提取出的记忆，存到一开始定义的会话变量 memory 里。

：把会话变量 memory 转成字符串，也就是下面图中的 {x}result，放到角色提示词里，让大模型根据这些记忆来做出回答。

到此为止，基于“对话内容中有需要缓存的记忆”这个场景，上方“提取记忆”的分支就算搞定了。

如果第二步判断为 No，那就不提取新信息，直接基于已有记忆进行回复，也就是下面的分支。整体流程图长这样：

3. 效果展示

和它聊了几轮之后，点开右上角的“会话变量”，可以看到 memory 里已经缓存了好几条事实类的“记忆”：

效果还挺理想。不过，真的完美了吗？

相比直接把多条聊天记录当作上下文，这种方式确实优雅很多，也大大减少了 Token 消耗。

但客观来说，至少还有两个地方可以优化：

• 随着记忆内容的累积，每次对话都把全部记忆拿来当上下文，会显得很冗余，这时候可以考虑结合 RAG 来做；
• 每次只从单轮对话里提取记忆，缺少足够的上下文，容易造成断章取义。理想的做法应该从多轮对话中提取更有价值的信息。