[Plugin Request]: Long-term Memory Assistant - AZMEM #472

New Issue

2026-02-22T17:30:10-05:00

yindo commented

2026-02-22 17:30:10 -05:00

Originally created by @yuntaosong on GitHub (Jan 24, 2026).

Plugin Name

Long-term Memory Assistant - AZMEM

Function Description

插件功能描述
AZMemory 智能助手长期记忆插件说明
一、功能概述
本插件为智能助手赋予长期记忆核心能力，通过自动存储、管理用户与助手的历史对话数据，精准检索与当前交互相关的用户偏好、行为习惯及背景信息，让助手实现 “持续认人、懂人” 的个性化交互 —— 无需用户重复说明基础情况，每一次对话都能基于历史沉淀提供更贴合的回应，显著提升交互的连贯性与智能度。
二、核心模块
（一）记忆检索模块
功能定位
基于用户当前查询意图，快速匹配并提取历史对话中的相关记忆片段，为大语言模型提供精准的上下文支撑。
关键参数
query：必填参数
用户当前查询内容，用于语义匹配相关历史记忆
user_id：系统字段
输出格式
返回 JSON 结构数据，核心包含 memory 字段：
存在相关记忆：返回匹配的历史记忆片段（整合后的自然语言文本）
无相关记忆：返回固定提示 “没有记忆”
适用场景
在大语言模型生成回复前触发调用，将检索到的记忆信息作为上下文注入 prompt，让模型基于用户历史交互生成个性化回应（例如用户曾提及 “晚上工作”，后续咨询咖啡购买时，模型可结合该记忆推荐 24 小时配送服务）
（二）记忆更新模块
功能定位
实时保存用户与助手的完整对话记录（含用户查询与助手最终回复），持续丰富长期记忆库，为记忆检索提供稳定、全面的数据基础。
关键参数
query：必填参数
用户当前查询内容，用于后续语义匹配关联
agent_response：必填参数
助手完成所有计算后呈现给用户的最终回复
user_id：系统字段
唯一标识用户的 userid，配置方式与 “记忆检索模块” 一致
适用场景
每次对话结束后自动触发调用，将 “用户查询 + 助手回复” 的完整交互对上传至记忆库，实现长期记忆的实时更新与沉淀（例如用户新增偏好、补充背景信息时，可即时存入记忆库，供后续检索使用）
三、核心价值
个性化交互升级：精准捕捉用户长期偏好（如 “喜欢深度烘焙咖啡”）、行为习惯（如 “晚上工作”）及背景信息，让助手的回应更懂用户、更具温度
高效交互体验：彻底避免用户重复说明基础信息（如职业、需求偏好），减少无效沟通成本，提升对话效率
智能能力沉淀：随着交互次数增加，记忆库持续丰富，模型的推荐建议、回应逻辑将更精准、更贴合用户个性化需求，实现 “越用越懂你” 的智能进化
使用场景
智能电商服务助手：用户咨询商品选购时，调用 memory_search 工具检索其过往购物偏好（如 “喜欢性价比高的国货品牌”“对敏感肌适用产品有需求”）、历史订单相关反馈（如 “之前买过 XX 型号家电，关注售后保障”），基于记忆推荐适配商品，无需重复询问肤质、预算、品牌偏好等基础信息；对话结束后调用 memory_update 工具，保存本次咨询的商品需求和最终选购决策，完善后续推荐维度。
智能客服助手：用户咨询通信套餐问题时，调用 memory_search 工具提取其历史套餐使用习惯（如 “每月流量消耗约 20GB，常用语音通话”）、过往咨询记录（如 “上月反馈过套餐扣费疑问”），直接结合记忆推荐合适的套餐升级方案，同时回应历史疑问相关的注意事项，无需重复确认 “每月流量用多少”“是否需要语音通话功能”。
智能生活助理：用户询问 “周末周边游推荐” 时，调用 memory_search 工具检索其出行偏好（如 “喜欢自然景观，不喜欢人多的景点”“出行需便捷停车”）、过往游玩反馈（如 “之前喜欢 XX 山的徒步路线”），推荐符合记忆的小众景点和行程规划；对话结束后通过 memory_update 工具保存本次出行需求，为后续节假日推荐积累数据。
智能学习伙伴：用户请教英语学习问题时，调用 memory_search 工具获取其过往学习进度（如 “正在备考四级，听力薄弱”）、学习习惯（如 “喜欢每天晚上 8 点练习听力”），针对性推荐适配的听力素材和练习方法，避免重复讲解已掌握的词汇、语法知识点。
智能职场助手：用户咨询 “工作总结撰写” 相关问题时，调用 memory_search 工具提取其过往工作总结偏好（如 “习惯分‘工作成果 - 问题改进 - 下月计划’三段式结构”“需要突出数据支撑”）、所在行业特性（如 “互联网运营岗，关注用户增长相关数据”），提供符合记忆的撰写框架和重点方向，无需重复确认 “你的工作总结常用什么结构”“需要突出哪些核心内容”。
智能母婴服务助手：用户咨询育儿相关问题时，调用 memory_search 工具检索其宝宝年龄（如 “宝宝 10 个月，正处于辅食添加阶段”）、过往育儿偏好（如 “倾向科学喂养，选择有机辅食”）、之前关注的育儿痛点（如 “宝宝辅食不爱吃蔬菜”），基于记忆提供适配的辅食食谱和喂养技巧，无需重复询问宝宝月龄、喂养方式等基础信息。
智能健身指导助手：用户咨询健身计划时，调用 memory_search 工具提取其过往健身基础（如 “新手入门，之前尝试过慢跑”）、身体状况相关需求（如 “久坐上班族，需要缓解腰部疲劳的动作”）、健身目标（如 “3 个月减重 5 斤”），推荐符合记忆的居家健身计划，无需重复确认健身基础、目标、身体不适部位等信息

Official Website URL

No response

Originally created by @yuntaosong on GitHub (Jan 24, 2026). ### Plugin Name Long-term Memory Assistant - AZMEM ### Function Description 插件功能描述 AZMemory 智能助手长期记忆插件说明一、功能概述本插件为智能助手赋予长期记忆核心能力，通过自动存储、管理用户与助手的历史对话数据，精准检索与当前交互相关的用户偏好、行为习惯及背景信息，让助手实现 “持续认人、懂人” 的个性化交互 —— 无需用户重复说明基础情况，每一次对话都能基于历史沉淀提供更贴合的回应，显著提升交互的连贯性与智能度。二、核心模块（一）记忆检索模块功能定位基于用户当前查询意图，快速匹配并提取历史对话中的相关记忆片段，为大语言模型提供精准的上下文支撑。关键参数 query：必填参数用户当前查询内容，用于语义匹配相关历史记忆 user_id：系统字段输出格式返回 JSON 结构数据，核心包含 memory 字段：存在相关记忆：返回匹配的历史记忆片段（整合后的自然语言文本）无相关记忆：返回固定提示 “没有记忆” 适用场景在大语言模型生成回复前触发调用，将检索到的记忆信息作为上下文注入 prompt，让模型基于用户历史交互生成个性化回应（例如用户曾提及 “晚上工作”，后续咨询咖啡购买时，模型可结合该记忆推荐 24 小时配送服务）（二）记忆更新模块功能定位实时保存用户与助手的完整对话记录（含用户查询与助手最终回复），持续丰富长期记忆库，为记忆检索提供稳定、全面的数据基础。关键参数 query：必填参数用户当前查询内容，用于后续语义匹配关联 agent_response：必填参数助手完成所有计算后呈现给用户的最终回复 user_id：系统字段唯一标识用户的 userid，配置方式与 “记忆检索模块” 一致适用场景每次对话结束后自动触发调用，将 “用户查询 + 助手回复” 的完整交互对上传至记忆库，实现长期记忆的实时更新与沉淀（例如用户新增偏好、补充背景信息时，可即时存入记忆库，供后续检索使用）三、核心价值个性化交互升级：精准捕捉用户长期偏好（如 “喜欢深度烘焙咖啡”）、行为习惯（如 “晚上工作”）及背景信息，让助手的回应更懂用户、更具温度高效交互体验：彻底避免用户重复说明基础信息（如职业、需求偏好），减少无效沟通成本，提升对话效率智能能力沉淀：随着交互次数增加，记忆库持续丰富，模型的推荐建议、回应逻辑将更精准、更贴合用户个性化需求，实现 “越用越懂你” 的智能进化使用场景智能电商服务助手：用户咨询商品选购时，调用 memory_search 工具检索其过往购物偏好（如 “喜欢性价比高的国货品牌”“对敏感肌适用产品有需求”）、历史订单相关反馈（如 “之前买过 XX 型号家电，关注售后保障”），基于记忆推荐适配商品，无需重复询问肤质、预算、品牌偏好等基础信息；对话结束后调用 memory_update 工具，保存本次咨询的商品需求和最终选购决策，完善后续推荐维度。智能客服助手：用户咨询通信套餐问题时，调用 memory_search 工具提取其历史套餐使用习惯（如 “每月流量消耗约 20GB，常用语音通话”）、过往咨询记录（如 “上月反馈过套餐扣费疑问”），直接结合记忆推荐合适的套餐升级方案，同时回应历史疑问相关的注意事项，无需重复确认 “每月流量用多少”“是否需要语音通话功能”。智能生活助理：用户询问 “周末周边游推荐” 时，调用 memory_search 工具检索其出行偏好（如 “喜欢自然景观，不喜欢人多的景点”“出行需便捷停车”）、过往游玩反馈（如 “之前喜欢 XX 山的徒步路线”），推荐符合记忆的小众景点和行程规划；对话结束后通过 memory_update 工具保存本次出行需求，为后续节假日推荐积累数据。智能学习伙伴：用户请教英语学习问题时，调用 memory_search 工具获取其过往学习进度（如 “正在备考四级，听力薄弱”）、学习习惯（如 “喜欢每天晚上 8 点练习听力”），针对性推荐适配的听力素材和练习方法，避免重复讲解已掌握的词汇、语法知识点。智能职场助手：用户咨询 “工作总结撰写” 相关问题时，调用 memory_search 工具提取其过往工作总结偏好（如 “习惯分‘工作成果 - 问题改进 - 下月计划’三段式结构”“需要突出数据支撑”）、所在行业特性（如 “互联网运营岗，关注用户增长相关数据”），提供符合记忆的撰写框架和重点方向，无需重复确认 “你的工作总结常用什么结构”“需要突出哪些核心内容”。智能母婴服务助手：用户咨询育儿相关问题时，调用 memory_search 工具检索其宝宝年龄（如 “宝宝 10 个月，正处于辅食添加阶段”）、过往育儿偏好（如 “倾向科学喂养，选择有机辅食”）、之前关注的育儿痛点（如 “宝宝辅食不爱吃蔬菜”），基于记忆提供适配的辅食食谱和喂养技巧，无需重复询问宝宝月龄、喂养方式等基础信息。智能健身指导助手：用户咨询健身计划时，调用 memory_search 工具提取其过往健身基础（如 “新手入门，之前尝试过慢跑”）、身体状况相关需求（如 “久坐上班族，需要缓解腰部疲劳的动作”）、健身目标（如 “3 个月减重 5 斤”），推荐符合记忆的居家健身计划，无需重复确认健身基础、目标、身体不适部位等信息 ### Official Website URL _No response_

yindo closed this issue

2026-02-22 17:30:13 -05:00

yindo commented

2026-02-22 17:30:15 -05:00

@crazywoola commented on GitHub (Feb 3, 2026):

Hi @yuntaosong, thanks for opening this issue.

Why this is being closed

Dify issue tracking requires English-only issue title and description for consistent collaboration.

Next steps

Please open a new issue in English and include clear details so maintainers can help efficiently.

Thanks for understanding and for your support.

@crazywoola commented on GitHub (Feb 3, 2026): Hi @yuntaosong, thanks for opening this issue. ### Why this is being closed Dify issue tracking requires English-only issue title and description for consistent collaboration. ### Next steps Please open a new issue in English and include clear details so maintainers can help efficiently. Thanks for understanding and for your support.

yindo referenced this issue

2026-02-22 17:43:39 -05:00

[PR #472] [MERGED] add object detection #953

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Dependencies

No dependencies set.

Reference: langgenius/dify-plugins#472