Skip to main content
Theo 会维护对话历史,使模型能够获取先前轮次的上下文。传入 conversation_id 即可继续一个已有对话。

开始一段对话

第一次请求会自动创建一个新对话:

继续一段对话

传入 conversation_id 以保持上下文:

对话 API

列出对话

获取单个对话

返回包含元数据的完整消息历史。

Theo 如何记忆

除了单次对话内逐字保留的对话轮次外,Theo 还运行着一套记忆协议(MCIR),使其能够在会话之间自动携带相关上下文——无需任何手动打标。
  • 自动捕获。 事实、偏好、决策以及尚未解决的问题,会在正常对话中出现时被自动捕获。
  • 相关性优先的召回。 只有与你当前请求相关的记忆才会被呈现——召回范围由你的问题界定,而不是简单的关键词匹配。
  • 按所有者隔离。 记忆被隔离到正确的所有者(用户、账户或组织)。一个租户的记忆永远不会对另一个租户可见。
  • 新鲜度与衰减。 陈旧或已被取代的记忆会随时间降低权重,并在影响回答之前被重新验证,因此旧的上下文不会无限期地滞留。
  • 持久的用户事实。 用户明确声明为固定事实的任何内容都会被保留,并且不受衰减影响。
  • 可溯源。 模型使用的每一条记忆都可追溯到其来源。
你不需要为此调用单独的 API——它会自动应用于每一次补全。传入 conversation_id 可以在一个线程内保持轮次关联;跨线程的召回则会在先前上下文相关时自动发生。

主动召回与未闭合事项

当你开启一段新对话时,Theo 可以主动呈现一段简短、相关的既往关联线程摘要,而不是从零开始。它还会追踪未闭合事项(open loops)——即尚未解决的问题或任务——以便后续的跟进可以从你上次停下的地方继续。

跨渠道记忆

Theo 的记忆是与渠道无关的。无论用户是通过 API、Web 演练场、语音会话、嵌入式小组件,还是渠道适配器进行交互,Theo 都会在所有这些渠道之间携带上下文。连续性跟随的是用户,而不是接入的界面。

隐私

Theo 不会使用你的记忆数据训练模型。记忆按所有者隔离并具备租户隔离机制,用户声明的事实可以被标记为持久保留。有关保留期限的详情,请参阅数据隐私。

语义缓存

完全相同的提示词(相同文本、相同模式、相同技能)会命中语义缓存,并以零成本即时返回结果。缓存命中会在响应元数据中标记。