Python - AgentScope

当宿主应用需要进程内调用，并希望管理 ReMe 的启动、任务和关闭时，使用 Python 接入。如果更看重进程隔离或跨语言边界，请改用共享的 ReMe 服务。

安装 ReMe

ReMe 需要 Python 3.11 或更高版本：

pip install "reme-ai[core]"

在进程内运行 ReMe

先加载默认配置，再创建一个 ReMe 应用，并用 start() 和 close() 包住所有 job 调用：

import asyncio

from reme import ReMe
from reme.config import resolve_app_config


async def main():
    config = resolve_app_config(workspace_dir=".reme")
    app = ReMe(**config)

    await app.start()
    try:
        result = await app.run_job(
            "search",
            query="项目决策",
            limit=5,
        )
        if not result.success:
            raise RuntimeError(result.answer)
        print(result.answer)
    finally:
        await app.close()


asyncio.run(main())

resolve_app_config() 会加载 ReMe 的默认 job 与 component，再深度合并传入的覆盖项。如果只用 workspace_dir 构造 ReMe，应用中不会包含默认 job 定义。

调用 Job

run_job(name, **kwargs) 是异步方法，返回包含 success、answer 和 metadata 的 response。Job 名称和参数来自解析后的配置。在上面已经启动的应用中，可以这样记录一段对话：

result = await app.run_job(
    "auto_memory",
    session_id="conversation-42",
    messages=[
        {"role": "user", "content": "记住：每周五发布版本。"},
        {"role": "assistant", "content": "明白了。"},
    ],
)

auto_memory 等模型任务需要先完成快速开始中的模型配置。

生命周期规则

为相关调用复用同一个应用，不要为每次请求重复构造。
在 run_job() 前调用 start()，确保索引、watcher 和定时任务已经初始化。
宿主退出时始终调用 close()；使用 try / finally 最稳妥。
同一段会话的多次更新应使用稳定的 session_id。
进程内运行时，不要再为同一个应用启动独立的 reme start 进程。

ReMe 负责返回记忆，宿主应用仍需决定何时召回、什么内容值得长期记录，以及如何使用返回结果。

AgentScope

使用 AgentScope 构建 Agent 时，应使用第一方 ReMeMiddleware，而不是直接构造 ReMe。该中间件在 AgentScope 进程内嵌入 ReMe，并可以复用 AgentScope 的 chat 与 embedding model。它通过 auto_memory 自动写回对话，同时支持自动检索和 memory_search 工具。使用 pip install "agentscope[reme]" 安装可选依赖。AgentScope 不会自动关闭 middleware，因此应用退出时仍需调用 await memory.close()。完整示例、控制模式和会话行为见 AgentScope 长期记忆指南。

​安装 ReMe

​在进程内运行 ReMe

​调用 Job

​生命周期规则

​AgentScope

安装 ReMe

在进程内运行 ReMe

调用 Job

生命周期规则

AgentScope