0Pricing
AI Agents · Lektion

Einfache Speicher (Key-Value)

Speichern Sie vom Benutzer erwähnte Fakten (Name, Präferenzen) in einem Key-Value-Speicher und fügen Sie sie bei jeder Runde in den System-Prompt ein.

Einfache Speicher (Key-Value) ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.

Das günstigste Langzeitgedächtnis

Vor Vektordatenbanken und Embeddings gibt es den unscheinbaren Key-Value-Speicher. Zum Speichern benutzerspezifischer Fakten (Name, Präferenzen, Einstellungen) ist er alles, was Sie benötigen.

Was gespeichert werden sollte

Geeignete Kandidaten für den KV-Speicher:

  • Name und Sprache des Benutzers
  • Präferenzen (Einheiten, Zeitzone, Tonalität)
  • Bleibender Kontext (aktuelles Projekt, aktuelles Thema)
  • Kürzlich verwendete Tool-Anmeldedaten bzw. API-Tokens

Ein winziger In-Memory-Speicher

Für einen Prototypen in einem einzelnen Prozess:

memory = {
    'user_name': 'Alice',
    'units': 'celsius',
    'language': 'tr'
}

def remember(key, value):
    memory[key] = value

def recall(key, default=None):
    return memory.get(key, default)

remember('city', 'Istanbul')
print("Recalled user_name:", recall('user_name'))
print("Recalled city:", recall('city'))
print("Recalled missing key:", recall('country', 'unknown'))

In den System-Prompt einfügen

Rendern Sie den KV-Speicher bei jeder Nachricht in den System-Prompt:

def build_system_prompt(user_id):
    facts = load_facts(user_id)
    rendered = '\n'.join(f'- {k}: {v}' for k, v in facts.items())
    return f'''
You are AssistantBot.

Known facts about this user:
{rendered}

Use these to personalise replies.
'''

Redis für mehrere Benutzer verwenden

Verwenden Sie für einen Produktionsagenten Redis:

import redis
r = redis.Redis()

def remember(user_id, key, value):
    r.hset(f'mem:{user_id}', key, json.dumps(value))

def recall_all(user_id):
    raw = r.hgetall(f'mem:{user_id}')
    return {k.decode(): json.loads(v) for k, v in raw.items()}

Oder einfach Postgres

Postgres funktioniert ebenfalls — eine JSON-Spalte pro Benutzer:

CREATE TABLE user_memory (
    user_id TEXT PRIMARY KEY,
    facts JSONB NOT NULL DEFAULT '{}'
);

-- Update one field:
UPDATE user_memory SET facts = facts || '{"units": "celsius"}' WHERE user_id = $1;

Gedächtnis als Tool

Stellen Sie Gedächtnisoperationen als Tools bereit, damit der Agent selbst Informationen im Gedächtnis speichern kann:

tools = [
    {'name': 'remember', 'description': 'Save a fact about the user', 'parameters': {...}},
    {'name': 'forget', 'description': 'Remove a stored fact', 'parameters': {...}}
]

# The agent can call remember('user_name', 'Alice') itself.
for t in tools:
    print(f"{t['name']}: {t['description']}")

Aufblähung des Gedächtnisses verhindern

Begrenzen Sie die Anzahl der gespeicherten Schlüssel pro Benutzer (auf 50 oder 100). Andernfalls wächst der System-Prompt unbegrenzt.

TTLs und Verfall

Manche Erinnerungen sind nur kurzzeitig relevant. Verwenden Sie Ablaufzeiten von Redis:

r.hset(f'mem:{user_id}', 'last_topic', 'pricing')
r.expire(f'mem:{user_id}', 3600)  # 1 hour

Vom Benutzer bearbeitbares Gedächtnis

Lassen Sie Benutzer sehen und bearbeiten, woran sich der Agent über sie erinnert — so funktioniert das Gedächtnis von ChatGPT. Das schafft Vertrauen und verhindert unheimliche Fehler.

Datenschutz: Vorsicht bei personenbezogenen Daten

Gespeicherte Fakten enthalten häufig personenbezogene Daten. Verschlüsseln Sie sensible Felder im Ruhezustand, verwenden Sie benutzerspezifische Verschlüsselungsschlüssel und löschen Sie die Daten bei der Schließung des Kontos.

Von KV zu Vektoren

KV eignet sich hervorragend für strukturierte Fakten. Für unstrukturierte Fakten („Der Benutzer bevorzugt einen lockeren Ton, mag Anime-Referenzen und hasst Emojis“) ist ein Vektorspeicher besser geeignet. Das behandeln wir im nächsten Kurs.

Wann KV-Speicher verwendet werden sollte

Für welche Art von Gedächtnis eignet sich ein einfacher Key-Value-Speicher am besten?

Zusammenfassung

Für 90 % der Anwendungsfälle persönlicher Assistenten reicht ein Redis- oder Postgres-KV-Speicher zusammen mit dem Rendern in den System-Prompt als Gedächtnis aus.

Häufig gestellte Fragen

Ist die Lektion „Einfache Speicher (Key-Value)“ kostenlos?

Ja — der vollständige Text von „Einfache Speicher (Key-Value)“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Einfache Speicher (Key-Value)“?

Speichern Sie vom Benutzer erwähnte Fakten (Name, Präferenzen) in einem Key-Value-Speicher und fügen Sie sie bei jeder Runde in den System-Prompt ein. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um AI Agents zu starten?

Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.

Wie lange dauert die Lektion „Einfache Speicher (Key-Value)“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?

Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Kurzzeitgedächtnis im Kontextfenster
  2. Warum lange Kontexte nicht skalieren
  3. Zusammenfassen als Kompression
  4. Einfache Speicher (Key-Value)
← Zurück zu AI Agents