Skip to main content
Theo 會維護對話歷史,使模型能夠獲取先前輪次的上下文。傳入 conversation_id 即可繼續一個已有對話。

開始一段對話

第一次請求會自動創建一個新對話:

繼續一段對話

傳入 conversation_id 以保持上下文:

對話 API

列出對話

獲取單個對話

返回包含元數據的完整消息歷史。

Theo 如何記憶

除了單次對話內逐字保留的對話輪次外,Theo 還運行着一套記憶協議(MCIR),使其能夠在會話之間自動攜帶相關上下文——無需任何手動打標。
  • 自動捕獲。 事實、偏好、決策以及尚未解決的問題,會在正常對話中出現時被自動捕獲。
  • 相關性優先的召回。 只有與你當前請求相關的記憶才會被呈現——召回範圍由你的問題界定,而不是簡單的關鍵詞匹配。
  • 按所有者隔離。 記憶被隔離到正確的所有者(用戶、賬戶或組織)。一個租戶的記憶永遠不會對另一個租戶可見。
  • 新鮮度與衰減。 陳舊或已被取代的記憶會隨時間降低權重,並在影響回答之前被重新驗證,因此舊的上下文不會無限期地滯留。
  • 持久的用戶事實。 用戶明確聲明為固定事實的任何內容都會被保留,並且不受衰減影響。
  • 可溯源。 模型使用的每一條記憶都可追溯到其來源。
你不需要為此調用單獨的 API——它會自動應用於每一次補全。傳入 conversation_id 可以在一個線程內保持輪次關聯;跨線程的召回則會在先前上下文相關時自動發生。

主動召回與未閉合事項

當你開啓一段新對話時,Theo 可以主動呈現一段簡短、相關的既往關聯線程摘要,而不是從零開始。它還會追蹤未閉合事項(open loops)——即尚未解決的問題或任務——以便後續的跟進可以從你上次停下的地方繼續。

跨渠道記憶

Theo 的記憶是與渠道無關的。無論用戶是通過 API、Web 演練場、語音會話、嵌入式小組件,還是渠道適配器進行交互,Theo 都會在所有這些渠道之間攜帶上下文。連續性跟隨的是用戶,而不是接入的界面。

隱私

Theo 不會使用你的記憶數據訓練模型。記憶按所有者隔離並具備租戶隔離機制,用戶聲明的事實可以被標記為持久保留。有關保留期限的詳情,請參閱數據隱私。

語義緩存

完全相同的提示詞(相同文本、相同模式、相同技能)會命中語義緩存,並以零成本即時返回結果。緩存命中會在響應元數據中標記。