VoltAgent核心库0.1.22版本发布:增强JSON Schema支持与PostgreSQL记忆存储
VoltAgent是一个现代化的AI代理开发框架,旨在简化智能代理的构建过程。它提供了强大的工具链,使开发者能够轻松创建、管理和部署具有记忆能力的AI代理。最新发布的0.1.22版本带来了两项重要改进:对JSON Schema的原生支持以及PostgreSQL记忆存储功能。
JSON Schema支持增强
在AI应用开发中,结构化数据输出是常见需求。0.1.22版本显著提升了VoltAgent对JSON Schema的支持能力,使得开发者可以更灵活地定义输出数据结构。
技术实现细节
新版在generateObject和streamObject函数中实现了JSON Schema到Zod Schema的自动转换机制。这一改进特别适合REST API场景,因为在这些场景中直接传递Zod Schema可能不太方便。系统内部会自动将JSON Schema转换为Zod Schema进行验证,同时保留原始JSON Schema在系统消息中,确保AI模型能够准确理解预期的输出结构。
实际应用价值
这一改进意味着开发者现在可以:
- 在API调用中直接使用标准的JSON Schema定义输出格式
- 保持与现有JSON Schema生态系统的兼容性
- 无需额外学习Zod语法即可定义复杂的数据结构
- 在RESTful接口和SDK调用中使用相同的Schema定义
该功能已在Anthropic和Groq两个AI提供商的后端实现,确保了跨平台的一致性。
PostgreSQL记忆存储功能
记忆能力是智能代理的核心特性之一。0.1.22版本引入了PostgreSQL作为持久化存储选项,为代理提供了企业级的记忆管理能力。
架构设计
PostgreSQL存储模块采用连接池设计,支持多种配置方式:
- 传统的主机/端口/用户名/密码配置
- 直接使用连接字符串
- 环境变量自动读取
模块还提供了表名前缀自定义、连接池大小调节、存储限制设置等高级选项,满足不同规模应用的需求。
关键特性
- 持久化存储:代理对话历史可以长期保存,不受进程重启影响
- 可扩展性:基于PostgreSQL的成熟架构,轻松应对高并发场景
- 灵活性:支持自定义表结构,便于与现有系统集成
- 可靠性:利用PostgreSQL的事务特性确保数据一致性
使用场景示例
// 配置PostgreSQL存储
const memoryStorage = new PostgresStorage({
connection: {
host: "db.voltagent.app",
port: 5432,
database: "agent_memories",
user: "agent_user",
password: "secure_password",
ssl: true
},
tablePrefix: "custom_prefix",
maxConnections: 20
});
// 创建带有持久化记忆的代理
const agent = new Agent({
name: "客服助手",
description: "具有长期记忆的客户服务代理",
llm: new VercelAIProvider(),
model: openai("gpt-4"),
memory: memoryStorage
});
版本兼容性与升级建议
0.1.22版本保持了对之前版本的完全兼容性,开发者可以平滑升级。对于新项目,建议直接采用此版本以利用最新的功能特性。
对于已有项目,升级时需要注意:
- 如果使用记忆功能,需要评估是否需要迁移到PostgreSQL存储
- 现有使用Zod Schema的代码无需修改,但可以考虑迁移到JSON Schema以获得更好的API兼容性
- 在生产环境部署PostgreSQL存储前,建议进行性能测试
总结
VoltAgent 0.1.22版本通过引入JSON Schema支持和PostgreSQL记忆存储,显著提升了框架的灵活性和实用性。这些改进使得开发者能够更轻松地构建具有复杂交互能力和长期记忆的AI代理,特别是在企业级应用场景中。随着这些功能的加入,VoltAgent进一步巩固了其作为现代化AI代理开发首选框架的地位。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00