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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00