Function main

examples/workflow-semantic/main.go:34–136

- 使用 SemanticMemory 索引一组知识片段 - Workflow Agent 在执行时先进行语义检索, 再将检索结果作为上下文交给 LLM Agent 生成回答 注意: 示例默认使用 MockEmbedder + MemoryStore 实现语义记忆, 运行不依赖外部服务。 如果你已经在 agentsdk.yaml 中配置了 pgvector + OpenAI, 可以在实际项目中复用相同配置。

()

// 如果你已经在 agentsdk.yaml 中配置了 pgvector + OpenAI, 可以在实际项目中复用相同配置。

func main() {
	ctx := context.Background()

	// 1. 初始化语义记忆: MemoryStore + MockEmbedder
	store := vector.NewMemoryStore()
	embedder := vector.NewMockEmbedder(16)
	semMem := memory.NewSemanticMemory(memory.SemanticMemoryConfig{
		Store:          store,
		Embedder:       embedder,
		NamespaceScope: "resource",
		TopK:           3,
	})

	// 2. 索引一些百科知识片段
	docs := []struct {
		id   string
		text string
		meta map[string]any
	}{
		{
			id:   "doc-paris",
			text: "Paris is the capital and most populous city of France.",
			meta: map[string]any{"user_id": "alice", "resource_id": "world-facts"},
		},
		{
			id:   "doc-berlin",
			text: "Berlin is the capital city of Germany.",
			meta: map[string]any{"user_id": "alice", "resource_id": "world-facts"},
		},
		{
			id:   "doc-tokyo",
			text: "Tokyo is the capital of Japan and one of its 47 prefectures.",
			meta: map[string]any{"user_id": "alice", "resource_id": "asia-notes"},
		},
	}

	for _, d := range docs {
		if err := semMem.Index(ctx, d.id, d.text, d.meta); err != nil {
			log.Fatalf("index %s: %v", d.id, err)
		}
	}

	// 3. 初始化 Agent 依赖 (与 examples/server-http 类似, 但使用内存 Store)
	toolRegistry := tools.NewRegistry()
	builtin.RegisterAll(toolRegistry)

	memStore := storepkg()

	deps := &agent.Dependencies{
		Store:          memStore,
		SandboxFactory: sandbox.NewFactory(),
		ToolRegistry:   toolRegistry,
		// 使用多提供商工厂，根据模板中的模型配置选择实际模型。
		// 默认会使用 Anthropic 提供商，因此需要设置 ANTHROPIC_API_KEY。
		ProviderFactory: provider.NewMultiProviderFactory(),
		TemplateRegistry: func() *agent.TemplateRegistry {
			tr := agent.NewTemplateRegistry()
			tr.Register(&types.AgentTemplateDefinition{