Daydreams：轻量级TypeScript框架，构建有记忆的AI代理
在人工智能领域，我们经常遇到一个核心挑战：如何让AI代理记住过去，在多个任务间切换，并保持连贯的行为逻辑？传统框架往往让开发者陷入状态管理的泥沼。Daydreams框架应运而生，为开发者提供了简洁优雅的解决方案。
什么是Daydreams框架？
Daydreams是一个轻量级TypeScript框架，专为构建状态持久、多上下文的AI代理而设计。它能在Node.js和浏览器环境中运行，解决了AI开发中的关键痛点：
- ❀
记忆断层：普通AI模型对话结束后即”失忆” - ❀
任务割裂：难以同时处理多个独立会话 - ❀
能力局限：缺乏执行自定义操作的标准方法
核心能力解析
graph TD
A[用户输入] --> B[Daydreams引擎]
B --> C[上下文管理器]
C --> D[记忆存储]
B --> E[动作执行]
E --> F[外部API调用]
B --> G[LLM处理]
G --> H[结构化输出]
Daydreams通过三大支柱解决这些问题：
-
🔄 多上下文系统
同时管理多个独立对话流，每个上下文保持隔离状态。想象一位客服同时处理数十个客户咨询，每个对话都有独立的记忆和进度。 -
💾 长时状态维护
会话状态自动保存，重启后恢复进度。即使服务器重启，你的AI代理也能从上次中断处继续工作。 -
🔌 框架无绑定设计
无缝集成LangChain、Vercel AI SDK等流行工具，不强迫开发者改变现有技术栈。
为什么选择Daydreams？
开发者体验优势
- ❀
TypeScript原生支持：完整的类型安全与智能提示 - ❀
极简API设计：核心概念仅需掌握上下文和动作两个抽象 - ❀
模块化架构：按需使用组件，打包体积最小可至5KB - ❀
实时流式响应：内置支持渐进式结果返回
// 流式响应示例
await agent.send({
handlers: {
onLogStream: (log) => {
if (log.ref === "output") {
console.log(log.content); // 实时输出片段
}
}
}
});
实际应用场景
-
跨平台聊天机器人：在Discord、Telegram等平台保持统一用户画像 -
复杂任务代理：分步骤执行研究、数据分析等多阶段任务 -
个性化推荐系统：基于长期交互历史提供精准建议 -
自动化工作流：连接API执行预定操作序列
五分钟快速入门
环境准备
确保具备：
- ❀
Node.js 18+ 环境 - ❀
TypeScript 4.5+（推荐） - ❀
LLM服务API密钥（OpenAI/Anthropic等）
安装命令
# 选择你喜欢的包管理器
npm install @daydreamsai/core
# 或
yarn add @daydreamsai/core
# 或
pnpm add @daydreamsai/core
构建你的第一个AI代理
import { createDreams, context } from "@daydreamsai/core";
import { anthropic } from "@ai-sdk/anthropic";
import { z } from "zod";
// 定义聊天上下文结构
const chatContext = context({
type: "chat",
schema: z.object({ userId: z.string() }),
create() {
return {
messages: [],
preferences: {} // 用户偏好存储
};
},
});
// 创建代理实例
const agent = await createDreams({
model: anthropic("claude-3-5-sonnet-latest"),
context: chatContext
}).start({ userId: "user-123" });
// 发送消息 - 状态自动保持
await agent.send({
context: chatContext,
args: { userId: "user-123" },
input: {
type: "text",
data: "记住我用Python做数据分析"
}
});
核心概念深度解析
上下文(Context)：记忆的容器
上下文是Daydreams的核心抽象，代表一个独立的任务或会话环境。每个上下文包含：
- ❀
对话历史 - ❀
自定义状态对象 - ❀
元数据信息
const projectContext = context({
type: "project",
schema: z.object({ projectId: z.string() }),
create() {
return {
tasks: [],
progress: 0,
lastUpdated: new Date()
};
}
});
// 不同项目隔离状态
const projectA = agent.getContext({
context: projectContext,
args: { projectId: "A" }
});
动作(Action)：扩展代理能力
动作是代理可执行的自定义函数，通过类型安全接口定义：
const sendEmailAction = {
name: "send_email",
description: "发送邮件给指定联系人",
schema: z.object({
to: z.string().email(),
subject: z.string(),
body: z.string()
}),
handler: async ({ to, subject, body }) => {
// 实际邮件发送逻辑
return { success: true };
}
};
// 注册到代理
const agent = createDreams({
actions: [sendEmailAction]
});
记忆(Memory)：知识持久化
Daydreams采用双层存储架构：
graph LR
A[工作内存] --> B[键值存储]
A --> C[向量存储]
A --> D[情景记忆]
- ❀
键值存储：保存结构化数据 - ❀
向量存储：支持语义搜索 - ❀
情景记忆：记录事件序列
// 保存用户偏好
await agent.memory.store.set("user:prefs", {
language: "zh-CN",
timezone: "Asia/Shanghai"
});
// 向量存储知识片段
await agent.memory.vectors.upsert("fact-001", {
text: "用户偏好使用Python进行数据分析",
embedding: await generateEmbedding(text)
});
架构设计揭秘
Daydreams采用模块化事件驱动架构：
graph TB
Input[输入源] --> Engine[引擎核心]
Engine --> Context[上下文管理器]
Engine --> Memory[记忆系统]
Engine --> Actions[动作系统]
Engine --> Task[任务运行器]
Task --> LLM[大语言模型]
Context --> State[上下文状态]
Memory --> Vector[向量存储]
Memory --> KV[键值存储]
Actions --> Custom[自定义动作]
执行流程详解
sequenceDiagram
participant 用户
participant 代理
participant 引擎
participant 上下文
participant 动作
participant 记忆
用户->>代理： 发送请求
代理->>引擎： 处理请求
引擎->>上下文： 加载状态
上下文->>记忆： 检索数据
引擎->>动作： 执行操作
动作-->>引擎： 返回结果
引擎->>记忆： 保存状态
引擎-->>用户： 返回响应
实战应用场景
场景一：跨平台统一助手
import { discordAdapter } from "@daydreamsai/discord";
const discordAgent = createDreams({
extensions: [discordAdapter],
context: userContext
});
// 同一用户在不同平台共享状态
discordAgent.onMessage((msg) => {
const state = agent.getContext({ userId: msg.author.id });
// 使用历史记录回复
});
场景二：研究型代理协作
const researchAgent = createDreams({
model: anthropic("claude-3-opus"),
description: "专业研究代理"
});
const writerAgent = createDreams({
model: openai("gpt-4-turbo"),
description: "内容创作代理"
});
// 代理间共享上下文
const sharedCtx = context({ type: "project" });
const researchData = await researchAgent.run({
context: sharedCtx,
input: "量子计算最新进展"
});
const report = await writerAgent.run({
context: sharedCtx,
input: researchData
});
场景三：区块链交互
import { ethereumAction } from "@daydreamsai/chains";
const cryptoAgent = createDreams({
actions: [ethereumAction],
context: walletContext
});
// 执行链上操作
await agent.send({
action: "ethereum_transaction",
params: {
to: "0x...",
value: "1ETH"
}
});
高级技巧与最佳实践
混合模型策略
根据任务特点选用不同模型：
createDreams({
model: openai("gpt-4"), // 默认模型
reasoningModel: anthropic("claude-3-opus"), // 复杂推理
analysisContext: {
model: groq("mixtral-8x7b") // 高速分析
}
});
调试与监控
内置强大诊断工具：
createDreams({
logLevel: LogLevel.DEBUG,
debugger: (ctxId, keys, data) => {
console.log(`[${ctxId}]`, keys.join("."), data);
}
});
性能优化
-
树摇优化：仅打包使用到的模块 -
流式处理：减少内存占用 -
缓存策略：复用常见查询结果
生态与扩展
平台适配器
- ❀
Discord： @daydreamsai/discord - ❀
Twitter： @daydreamsai/twitter - ❀
Telegram： @daydreamsai/telegram - ❀
CLI： @daydreamsai/cli
存储后端
- ❀
Supabase： @daydreamsai/supabase - ❀
ChromaDB： @daydreamsai/chroma - ❀
MongoDB： @daydreamsai/mongo
区块链支持
常见问题解答
Daydreams适合哪些场景？
理想使用场景：
- ❀
需要跨会话记忆的聊天机器人 - ❀
多步骤工作流自动化 - ❀
个性化推荐系统 - ❀
跨平台统一助手
其他方案可能更适合：
- ❀
单次请求-响应交互 - ❀
已深度集成特定框架（如LangChain） - ❀
纯前端简单对话应用
状态存储如何工作？
Daydreams采用双层存储策略：
// 工作内存（易失性）
agent.context.state = { session: "active" };
// 持久化存储（自动保存）
await agent.memory.store.set("user:123", prefereces);
// 重启后恢复
const agent = createDreams(/*配置*/).start();
console.log(await agent.memory.store.get("user:123"));
支持哪些语言模型？
通过适配器支持主流提供商：
加入Daydreams社区
Daydreams是MIT许可的开源项目，欢迎贡献：
# 克隆仓库
git clone https://github.com/daydreamsai/daydreams.git
cd daydreams
# 安装依赖
pnpm install
# 开发模式构建
pnpm build:packages --watch
# 运行测试
pnpm test
社区资源：
结语：构建有记忆的智能体
Daydreams框架重新定义了AI代理的构建方式，使开发者能够：
- ❀
创建真正有记忆的AI系统 - ❀
管理复杂的多任务环境 - ❀
无缝扩展代理能力 - ❀
在各类环境中部署
无论您是构建客户服务机器人、研究助手还是个性化推荐系统，Daydreams都提供了强大而简洁的抽象，让您专注于业务逻辑而非底层架构。
journey
title AI代理演进之路
section 基础代理
单次交互 --> 无状态： 1： 早期系统
section Daydreams
记忆保持 --> 多上下文： 2： 突破点
任务管理 --> 动作执行： 3： 能力扩展
section 未来展望
自主协作 --> 目标驱动： 4： 发展方向
框架目前处于Alpha阶段，正在快速迭代中。立即加入社区，共同塑造AI代理开发的未来！