检索 Recall 是从记忆库中查找相关信息的过程，帮助 AI 在回答前”想起”相关信息，而不是只依赖当前这一轮对话。

与普通关键词搜索不同，Recall 不只是匹配字面词语，还会综合语义、关键词、关系和时间等多种方式理解问题，再对结果进行整合与排序，优先返回最有助于当前任务的记忆内容。当用户提出问题或 Agent 开始执行任务时，Agent 记忆服务会根据当前问题，从长期记忆中找出最相关的内容，补充上下文，生成更准确、更连贯的回答。

什么时候需要检索记忆

在以下场景中，建议使用 Recall 检索相关记忆：

• 当用户发起新问题时：Agent 可以先查找与当前问题相关的历史上下文，再生成更贴合用户需求的回答。
• 当需要参考历史背景时：用户希望继续之前的任务、沿用过往决策，或让 Agent 理解项目已有进展。
• 当需要个性化回答时：根据用户偏好、常用工具、写作风格或业务习惯，提供更符合用户习惯的响应。
• 当构建 Agent 的任务上下文时：在 Agent 执行较复杂任务前，可以先检索必要记忆，帮助它更好地理解任务背景，减少重复确认。

多维检索策略

Agent 记忆服务会从多个角度理解用户的问题，并融合不同检索方式的结果，优先返回最相关的记忆内容。

系统将这些策略生成的检索结果进行合并和排序，减少无关内容干扰，确保最终结果与查询高度相关。

需要提供哪些信息

Budget参数：选择合适的检索强度

支持不同的检索强度，用户可以根据任务复杂度进行选择。

对于大多数 Agent 使用场景，建议优先使用mid，既能保证较好的检索效果，也不会带来过高的响应成本。

tag_match 参数：控制标签匹配范围

在使用 Recall 检索记忆时，tags 用来指定检索范围，即“从哪些范围中找记忆”；tag_match 用来决定这些标签如何匹配，即“这些范围要如何匹配”。在单用户或简单场景中，可以使用默认匹配方式；在多用户、多项目或多 Agent 共享同一个记忆库时，建议使用更严格的匹配方式，避免召回无关数据。

例如，当一个记忆库中同时保存了多个用户和多个项目的数据时，可以在检索时指定：tags: ["user:alice", "project:atlas"], tag_match: "all_strict"

这表示系统只会检索同时属于Alice 用户和Atlas 项目的记忆，避免其他用户或其他项目的内容被错误召回。

使用建议

• 在 Agent 开始任务前检索记忆：当任务需要理解用户偏好、项目背景或历史决策时，建议先使用 Recall 获取相关上下文。
• 优先用于高频上下文补充：日常对话、任务执行和上下文注入场景中，优先使用 Recall；它更适合快速查找相关记忆。
• 用自然语言描述检索需求：query 可以直接使用用户问题或任务描述，例如“这个用户偏好的前端技术栈是什么？”或“这个项目之前有哪些关键决策？”。
• 保留专有名词和关键信息：如果问题中包含项目名称、产品名称、代码标识符或工单号，建议直接写入 query，有助于提高召回准确性。
• 使用 tags 限定检索范围：在多用户、多项目或共享记忆库场景中，建议通过 tags 限定只检索相关用户、项目或团队的数据。
• 多用户场景使用严格标签匹配：如果多个用户或项目共用同一个记忆库，建议使用 any_strict 或 all_strict，避免召回无关或未标记的数据。
• 控制返回内容大小：可以通过 max_tokens 控制返回上下文的长度，避免向 Agent 注入过多无关信息。
• 需要总结判断时使用反思：检索更适合查找相关记忆；如果用户需要总结、分析、画像或判断，建议使用反思。

请求示例

检索用户的前端技术偏好

1curl "$MEMORY_API_BASE_URL/recall" \
2  -H "Authorization: Bearer $MEMORY_API_KEY" \
3  -H "Content-Type: application/json" \
4  -d '{
5    "bank_id": "'"$MEMORY_BANK_ID"'",
6    "query": "这个用户偏好的前端技术栈是什么？",
7    "budget": "mid",
8    "tags": ["user:alice"],
9    "tags_match": "any_strict",
10    "max_tokens": 1200
11  }'

返回示例

1{
2  "results": [
3    {
4      "id": "f1a2b3c4",
5      "text": "用户前端技术栈使用 TypeScript + React + Tailwind，状态管理使用 Zustand",
6      "type": "experience",
7      "context": "project onboarding",
8      "tags": ["user:alice", "project:frontend"],
9      "mentioned_at": "2026-05-25T10:00:00+08:00",
10      "document_id": "session-20260525"
11    },
12    {
13      "id": "g5h6i7j8",
14      "text": "团队引入 Storybook 做组件文档，部署在 Vercel 上",
15      "type": "experience",
16      "context": "project onboarding",
17      "tags": ["user:alice", "project:frontend"],
18      "mentioned_at": "2026-05-25T10:30:00+08:00",
19      "document_id": "session-20260525"
20    }
21  ]
22}

检索结果按相关性排序，Agent 可将 results 中的 text 字段作为上下文注入，生成更贴合用户的回答。