Dify记忆能力实战：上下文记忆与会话变量深度测评

告别AI的“瞬时失忆”！这篇教程带你30分钟内掌握Dify“上下文记忆”与“会话变量”两大即用功能，构建能精准回放对话关键信息的智能体。
核心内容：
1. 上下文记忆：支撑流畅多轮对话的根基，解析其底层TokenBufferMemory策略与使用限制
2. 会话变量：掌控短期记忆的核心，结合实例演示如何配置与调用
3. 实战演练：从零搭建电影推荐Agent，实测记忆模块的真实效果

这是Dify记忆能力实战的上半部分，手把手引导你利用Dify内建的“上下文记忆”和“会话变量”两种开箱即用功能，30分钟内让AI摆脱“聊完就忘”的窘境。

AI智能体最令人头疼的短板是什么？“瞬时失忆”——用户刚强调“答案要精炼”，下一条回复却长篇大论，完全无视前文。

基于本地部署的Dify平台，本文从三个阶段递进构建Agent记忆能力：会话上下文记忆、会话变量记忆，以及外部持久化记忆。前两项是Dify平台自带的现成方案，本文重点讲解。至于跨越会话、永久存储的外部记忆，将在后续篇章深入。

1. 入门基础 - 上下文记忆

一句话概括：上下文记忆使AI能在单次对话中记住“刚刚讨论的内容”，这是实现自然多轮对话的核心前提。

上下文记忆是Dify最基础的记忆功能，开箱即用，无需额外配置。其底层采用TokenBufferMemory策略。核心机制是：当对话内容超出Token窗口上限时，系统会优先保留最新对话、无条件保护系统指令，同时确保用户消息与AI回复成对出现，防止逻辑断点。

关键边界：若单轮输入消息本身接近或超过Token上限，历史信息可能被完全清空。因此构建长上下文Agent时，必须避免单次输入过长。

? 实例01 电影推荐— 验证上下文记忆

搭建一个简短Chatflow，默认3个节点。在LLM节点中编辑提示词：

你是一位影评专家，深谙国产武侠电影发展脉络，能根据用户需求精准推荐影片。

随后在LLM节点中开启记忆功能，默认窗口为10轮。

点击【预览】进行测试：

第一轮：请AI推荐3部武侠电影。AI回应《新龙门客栈》《卧虎藏龙》《侠女》。

第二轮：询问“请告知第2部电影的获奖情况”。AI正确识别第2部为《卧虎藏龙》，并给出获奖信息。

✅ 验证通过——AI记住了刚才推荐的影片清单。

若关闭记忆功能，AI会“断片”，面对同样问题给出无关回复。

? 上下文记忆相当于AI的“短期工作记忆”——刚说完的内容它还记得，但如果不主动强调，关键细节会自然流失。

2. 短期记忆—— 会话变量

如果说上下文记忆是AI的“瞬时记忆”，那会话变量就是AI手边的“便利贴”。

一句话概括：会话变量是AI在单次会话中精确记住你指定内容的工具。你亲手把要点记在便签上，AI随时可查，可靠度高。

关键特性：

• 精确指定：你要AI记住什么，它便记住什么（如“用户姓名：张三”）。
• 全程可读写：对话任何环节，你都可以读取、更新、追加变量值。
• 会话结束即销毁：刷新页面、超时或调用API结束会话后，变量随之清除。

对比来看：

? 上下文记忆让AI“不健忘”，会话变量让AI“有重点”。一个依赖自动回溯，一个依赖主动标记，两者结合，才是Dify内置记忆的完整形态。

? 实例02 旅行指南— 会话变量完整实战

本案例目标：通过多轮对话，让AI像人类导游那样逐步收集并记住你的旅行偏好，最终生成个性化行程建议。

Chatflow构建步骤：

（1）会话变量配置

点击画布右上角【会话变量】图标，创建5个变量：

（2）参数提取节点

在“输入节点”之后创建参数提取器节点，在【提取参数】中添加4个变量，用于从用户会话中抽取关键信息。

提示词填写如下：

你是一个信息提取助手，负责从用户的旅行咨询中提取关键信息。你需要提取下列字段：  - destination: 用户计划前往的目的地（城市或地区名称）  - tra vel_days: 预计旅行天数（数字）  - tra vel_style: 偏好的旅行风格，如自然风光、城市人文、美食探索、历史文化等  - accommodation: 偏好的住宿类型，如特色民宿、星级酒店、青年旅舍等如果用户未提及某个字段，将该字段留空，避免猜测或编造。用户输入：{{#sys.query#}}

? 关键配置：在【高级设置】中，建议开启【记忆窗口】。因为用户偏好（天数、风格等）通常在多轮对话中逐步透露，开启记忆能保证信息被完整、准确捕捉。

（3）模板转换节点

参数提取后，需要将分散的关键信息聚合成一个结构化变量，供后续LLM一次性读取。通过模板转换节点实现：在【设置】中添加4个变量，分别指向“参数提取器节点”识别的对应字段。

{"目的地":{{destination}},"旅行天数":{{tra vel_days}},"旅行风格":{{tra vel_style}},"住宿风格":{{ accommodation}}}

（4）变量赋值节点

会话变量通过变量赋值节点完成赋值，将5个会话变量与参数提取器及模板转换的输出变量对齐。

? 调试技巧：在“变量赋值节点”后接入一个“输出节点”直接打印聚合变量，可快速验证会话变量是否赋值成功。

（5）LLM节点——最终生成

完成会话变量赋值后，即捕获到用户旅行的关键信息，通过“LLM节点”生成最终内容。提示词如下：

你是一个友好的旅行规划助手。根据以下已知的用户偏好进行回复。若信息不完整（如缺少天数或风格），请自然地引导用户补充。若所有信息已齐全，则生成一份完整的、个性化的旅行建议。当前已知的用户偏好：{{#conversation.collected_info#}} 用户的最新问题是：{{#sys.query#}}

⚠️ 同样建议开启【记忆】功能，让大模型理解信息缺失状况，在多轮对话中自然引导用户补全。最后添加回复节点，整个Chatflow搭建完成。

（6）功能演示效果

第1轮交互：仅输入旅行地点，助手自动引导用户补全天数、风格等信息。此时会话变量只记录了目的地。

第2轮交互：输入旅行天数、风格和住宿要求后，助手捕获到完整信息，生成了详尽的每日行程规划。此时会话变量已全部填充。

（此处省略中间截图1M）

至此，我们完整掌握了Dify内置的两种记忆能力：上下文记忆解决“即时回忆”，会话变量解决“精准记录”。但两者存在共同局限——记忆仅限于单次会话，会话结束即清零。

下篇将进入外部持久化记忆阶段，基于Mem0插件为Dify装上真正的“长期大脑”，实现跨会话、永久有效的记忆能力。

敬请期待！