Personalizza contenuto scheda contesto
Una scheda contesto fornisce un contesto compatto su una conversazione che un agente può utilizzare durante la generazione di una risposta. Può includere un riepilogo del thread di conversazione, messaggi recenti e memorie pertinenti.
Questo articolo spiega come personalizzare il contenuto restituito nelle schede di contesto della memoria dell'agente Oracle AI.
Le schede contesto restituite da get_context_card() possono includere anche argomenti di recupero e record permanenti pertinenti. Utilizzare le schede contesto quando un agente ha bisogno di continuità in una lunga conversazione, ma non ha bisogno della trascrizione completa inviata di nuovo al modello. Ciò può ridurre l'uso del token di input, mantenere l'agente attivo e ridurre la necessità di alcune chiamate agli strumenti a livello di agente posizionando la memoria rilevante nel contesto del prompt in alto.
Per un flusso di lavoro completo di compattazione rapida con LangGraph, vedere Usa API a breve termine di memoria agente con LangGraph. Per informazioni dettagliate sulle API, vedere OracleThread e Context Cards.
Nota: utilizzare la personalizzazione della scheda di contesto quando i risultati di recupero predefiniti non includono la combinazione corretta dei tipi di record. Ad esempio, un'applicazione può riservare spazio per le preferenze utente o le linee guida di risposta quando i fatti generali dominano i risultati.
Risultati minimi richiesta per tipo di record
Per impostazione predefinita, il recupero delle schede di contesto esegue contemporaneamente ricerche in tutti i tipi di record simili alla memoria. Ad esempio, se i fatti o le memorie generali escludono le preferenze o le linee guida, passare min_relevant_results_by_type per richiedere conteggi minimi per tipi di record specifici.
import oracledb
from oracleagentmemory.core import MemoryExtractionConfig
from oracleagentmemory.core.embedders.embedder import Embedder
from oracleagentmemory.core.llms.llm import Llm
from oracleagentmemory.core.oracleagentmemory import OracleAgentMemory
embedder = Embedder(model="YOUR_EMBEDDING_MODEL")
llm = Llm(model="provider/model_id")
db_pool = oracledb.SessionPool(
user="YOUR DB USER",
password="YOUR DB PASSWORD",
dsn="YOUR DB CONNECT STRING",
)
memory = OracleAgentMemory(
connection=db_pool,
embedder=embedder,
llm=llm,
)
thread = memory.create_thread(
thread_id="context_card_customization_demo",
user_id="user_123",
agent_id="assistant_456",
memory_extraction_config=MemoryExtractionConfig(
memory_extraction_custom_instructions=(
"Extract restaurant preferences as preference records and assistant "
"response-style instructions as guideline records."
)
),
)
thread.add_messages(
[
{
"role": "user",
"content": "I need vegetarian dinner recommendations for Friday.",
},
{
"role": "assistant",
"content": "I can compare concise options and tradeoffs.",
},
]
)
card = thread.get_context_card(
max_relevant_results=6,
min_relevant_results_by_type={
"preference": 1,
"guideline": 1,
},
)
prompt_context = card.content
print(prompt_context)La scheda visualizzata è un testo del prompt simile a XML. I record esatti dipendono dai dati memorizzati, ma la sezione <relevant_information> può includere i tipi richiesti prima dei risultati rimanenti della ricerca di tutti i tipi di memoria:
<context_card>
<summary>
User is planning dinner recommendations.
</summary>
<topics>
<topic>pizza planning</topic>
<topic>dinner</topic>
</topics>
<relevant_information>
<preference>
<content>User prefers vegetarian restaurants.</content>
</preference>
<guideline>
<content>Offer concise recommendations with clear tradeoffs.</content>
</guideline>
<memory>
<content>User is comparing pizza places for Friday.</content>
</memory>
</relevant_information>
<recent_messages>
...
</recent_messages>
</context_card>I minimi sono il miglior sforzo. Se non sono presenti record corrispondenti sufficienti per un tipo richiesto, la chiamata riesce comunque e la capacità dei risultati rimanenti può essere riempita dalla normale ricerca di tutti i tipi di memoria. Le registrazioni finali rilevanti sono sempre limitate da max_relevant_results.
Le chiavi supportate sono "memory", "fact", "guideline" e "preference". Omettere min_relevant_results_by_type per mantenere il comportamento di recupero predefinito per tutti i tipi di memoria.
Quando max_relevant_results viene omesso, la memoria dell'agente Oracle utilizza il budget dei risultati rilevanti predefinito a meno che il totale minimo richiesto non sia maggiore. In tal caso, il bilancio effettivo si espande per adattarsi al totale minimo richiesto.
Concorrenza ricerca tipo di tuning
Il recupero per tipo può eseguire una ricerca di riempimento di tutti i tipi di memoria più una ricerca per ogni tipo di record richiesto. Per impostazione predefinita, è possibile eseguire contemporaneamente fino a cinque di queste ricerche. Per ridurre il fanout backend per un handle di thread attivo, passare context_card_type_search_concurrency durante la creazione o la riapertura del thread. Questo valore non viene reso persistente con la riga del thread:
thread = memory.get_thread(
"context_card_customization_demo",
context_card_type_search_concurrency=2,
)
card = thread.get_context_card(
max_relevant_results=6,
min_relevant_results_by_type={
"preference": 1,
"guideline": 1,
},
)Conclusione
In questa guida abbiamo imparato come richiedere il conteggio minimo dei risultati delle schede di contesto per tipi di record specifici simili alla memoria e come regolare il fanout della ricerca parallela utilizzato dal recupero per tipo.
Dopo aver appreso come personalizzare il recupero delle schede di contesto, ora è possibile passare a Usa API a breve termine della memoria agente con LangGraph.
Codice completo
#Copyright © 2026 Oracle and/or its affiliates.
#This software is under the Apache License 2.0
#(LICENSE-APACHE or http://www.apache.org/licenses/LICENSE-2.0) or Universal Permissive License
#(UPL) 1.0 (LICENSE-UPL or https://oss.oracle.com/licenses/upl), at your option.
#Oracle Agent Memory Code Example - Customize Context Card Content
#-----------------------------------------------------------------
##Reserve relevant results by record type
import oracledb
from oracleagentmemory.core import MemoryExtractionConfig
from oracleagentmemory.core.embedders.embedder import Embedder
from oracleagentmemory.core.llms.llm import Llm
from oracleagentmemory.core.oracleagentmemory import OracleAgentMemory
embedder = Embedder(model="YOUR_EMBEDDING_MODEL")
llm = Llm(model="provider/model_id")
db_pool = oracledb.SessionPool(
user="YOUR DB USER",
password="YOUR DB PASSWORD",
dsn="YOUR DB CONNECT STRING",
)
memory = OracleAgentMemory(
connection=db_pool,
embedder=embedder,
llm=llm,
)
thread = memory.create_thread(
thread_id="context_card_customization_demo",
user_id="user_123",
agent_id="assistant_456",
memory_extraction_config=MemoryExtractionConfig(
memory_extraction_custom_instructions=(
"Extract restaurant preferences as preference records and assistant "
"response-style instructions as guideline records."
)
),
)
thread.add_messages(
[
{
"role": "user",
"content": "I need vegetarian dinner recommendations for Friday.",
},
{
"role": "assistant",
"content": "I can compare concise options and tradeoffs.",
},
]
)
card = thread.get_context_card(
max_relevant_results=6,
min_relevant_results_by_type={
"preference": 1,
"guideline": 1,
},
)
prompt_context = card.content
print(prompt_context)
##Tune type search concurrency
thread = memory.get_thread(
"context_card_customization_demo",
context_card_type_search_concurrency=2,
)
card = thread.get_context_card(
max_relevant_results=6,
min_relevant_results_by_type={
"preference": 1,
"guideline": 1,
},
)