use rucora::agent::ToolAgent;
use rucora::memory::{FileMemory, InMemoryMemory};
use rucora::provider::OpenAiProvider;
use rucora::tools::{MemoryRecallTool, MemoryStoreTool};
use rucora_core::agent::Agent;
use rucora_core::memory::{Memory, MemoryItem, MemoryQuery};
use std::sync::Arc;
use tracing::{Level, info};
use tracing_subscriber::FmtSubscriber;
#[tokio::main]
async fn main() -> anyhow::Result<()> {
dotenv::dotenv().ok();
let subscriber = FmtSubscriber::builder()
.with_max_level(Level::INFO)
.with_target(false)
.finish();
tracing::subscriber::set_global_default(subscriber)?;
info!("╔════════════════════════════════════════╗");
info!("║ rucora 记忆系统与 Agent 结合示例 ║");
info!("╚════════════════════════════════════════╝\n");
if std::env::var("OPENAI_API_KEY").is_err() && std::env::var("OPENAI_BASE_URL").is_err() {
info!("⚠ 未设置 API 配置");
info!(" 使用 OpenAI: export OPENAI_API_KEY=sk-your-key");
info!(" 使用 Ollama: export OPENAI_BASE_URL=http://localhost:11434");
return Ok(());
}
let model_name = std::env::var("MODEL_NAME").unwrap_or_else(|_| "gpt-4o-mini".to_string());
info!("═══════════════════════════════════════");
info!("示例 1: 基础记忆操作");
info!("═══════════════════════════════════════\n");
let memory = InMemoryMemory::new();
info!("1.1 添加记忆...");
memory
.add(MemoryItem {
id: "core:user_name".to_string(),
content: "张三".to_string(),
metadata: None,
})
.await?;
memory
.add(MemoryItem {
id: "core:user_location".to_string(),
content: "北京市海淀区".to_string(),
metadata: None,
})
.await?;
memory
.add(MemoryItem {
id: "core:user_preference".to_string(),
content: "喜欢 Python 和 Rust 编程语言".to_string(),
metadata: None,
})
.await?;
memory
.add(MemoryItem {
id: "daily:last_topic".to_string(),
content: "讨论了机器学习项目".to_string(),
metadata: None,
})
.await?;
info!("✓ 已添加 4 条记忆\n");
info!("1.2 查询记忆...");
let queries = vec!["用户姓名", "编程语言", "机器学习"];
for query in queries {
info!(" 查询：\"{}\"", query);
let results = memory
.query(MemoryQuery {
text: query.to_string(),
limit: 3,
})
.await?;
for (i, item) in results.iter().enumerate() {
info!(" {}. [{}] {}", i + 1, item.id, item.content);
}
}
info!("");
info!("═══════════════════════════════════════");
info!("示例 2: Agent + 记忆工具");
info!("═══════════════════════════════════════\n");
info!("2.1 创建共享记忆系统...");
let shared_memory = Arc::new(InMemoryMemory::new());
info!("✓ 记忆系统创建成功\n");
info!("2.2 创建记忆工具...");
let memory_store = MemoryStoreTool::from_memory(shared_memory.clone());
let memory_recall = MemoryRecallTool::from_memory(shared_memory.clone());
info!("✓ 记忆工具创建成功\n");
info!("2.3 创建带记忆功能的 Agent...");
let provider = OpenAiProvider::from_env()?;
let agent = ToolAgent::builder()
.provider(provider)
.model(&model_name)
.system_prompt(
"你是一个有帮助的助手，拥有长期记忆能力。\n\
你可以使用 memory_store 工具存储重要信息（如用户偏好、事实）。\n\
你可以使用 memory_recall 工具检索之前存储的信息。\n\
当用户提到个人信息、偏好或重要事实时，记得存储到记忆中。\n\
当需要回忆之前的信息时，使用记忆检索工具。",
)
.tool(memory_store)
.tool(memory_recall)
.max_steps(5)
.build();
info!("✓ Agent 创建成功\n");
info!("2.4 第一轮：存储用户信息...");
info!(" 用户：\"我叫李四，是一名软件工程师，喜欢打篮球。\"");
let output = agent
.run("我叫李四，是一名软件工程师，喜欢打篮球。".into())
.await?;
info!(" Agent: {}\n", output.text().unwrap_or("无回复"));
info!("2.5 检查记忆存储情况...");
let stored_memories = shared_memory
.query(MemoryQuery {
text: "core:".to_string(),
limit: 10,
})
.await?;
info!(" 当前存储了 {} 条核心记忆:", stored_memories.len());
for item in &stored_memories {
info!(" - [{}] {}", item.id, item.content);
}
info!("");
info!("2.6 第二轮：检索用户信息...");
info!(" 用户：\"你还记得关于我的什么信息？\"");
let output = agent
.run("你还记得关于我的什么信息？请告诉我。".into())
.await?;
info!(" Agent: {}\n", output.text().unwrap_or("无回复"));
info!("═══════════════════════════════════════");
info!("示例 3: 文件记忆（持久化）");
info!("═══════════════════════════════════════\n");
let memory_path = "memory_test.json";
info!("3.1 创建文件记忆系统 (路径：{})...", memory_path);
let file_memory = FileMemory::new(memory_path);
file_memory
.add(MemoryItem {
id: "core:project_info".to_string(),
content: "项目使用 Rust 语言开发，是一个 Agent 框架".to_string(),
metadata: None,
})
.await?;
file_memory
.add(MemoryItem {
id: "core:team_info".to_string(),
content: "团队有 5 名开发者，分布在 3 个城市".to_string(),
metadata: None,
})
.await?;
info!("✓ 已添加 2 条记忆到文件\n");
info!("3.2 查询文件记忆...");
let results = file_memory
.query(MemoryQuery {
text: "Rust".to_string(),
limit: 5,
})
.await?;
for item in results {
info!(" - [{}] {}", item.id, item.content);
}
info!("\n✓ 记忆已保存到文件，下次启动时会自动加载\n");
info!("═══════════════════════════════════════");
info!("示例 4: 对话历史 + 记忆系统");
info!("═══════════════════════════════════════\n");
info!("4.1 创建带对话记忆的 Agent...");
let provider = OpenAiProvider::from_env()?;
let agent_with_memory = ToolAgent::builder()
.provider(provider)
.model(&model_name)
.system_prompt(
"你是一个友好的对话助手。\n\
请记住对话中的重要信息，并在适当时候提及。",
)
.max_steps(3)
.build();
info!("✓ Agent 创建成功\n");
info!("4.2 多轮对话演示...");
let conversations = [
"你好，我想了解一下 Rust 语言的特点。",
"听起来很有趣！那我应该如何开始学习 Rust 呢？",
"谢谢建议！我之前的编程经验主要是 Python，这对学习 Rust 有帮助吗？",
];
for (i, input) in conversations.iter().enumerate() {
info!(" 第 {} 轮:", i + 1);
info!(" 用户：\"{}\"", input);
let output = agent_with_memory.run(input.to_string().into()).await?;
info!(" Agent: {}\n", output.text().unwrap_or("无回复"));
}
info!("═══════════════════════════════════════");
info!("示例完成！");
info!("═══════════════════════════════════════\n");
info!("📝 记忆系统使用总结：\n");
info!("1. 基础使用：");
info!(" - InMemoryMemory: 进程内记忆，适合测试和临时会话");
info!(" - FileMemory: 文件持久化记忆，适合长期存储\n");
info!("2. 与 Agent 集成：");
info!(" - MemoryStoreTool: 让 Agent 主动存储重要信息");
info!(" - MemoryRecallTool: 让 Agent 检索历史记忆\n");
info!("3. 记忆分类：");
info!(" - core: 永久记忆（用户偏好、基本信息）");
info!(" - daily: 会话记忆（当天内容）");
info!(" - conversation: 对话上下文\n");
info!("4. 最佳实践：");
info!(" - 使用有意义的 ID 前缀进行分类");
info!(" - 定期清理过期记忆");
info!(" - 结合向量检索实现语义搜索（RAG）\n");
Ok(())
}