什么是备忘录智能体
备忘录智能体是一类基于AI能力开发的自动化工具，核心作用是替代人工完成备忘录相关的全流程操作。它不需要用户手动打开备忘录应用逐条输入内容，而是可以通过对话、文本输入等方式接收用户的事项交代，自动识别事项的核心信息，然后完成记录、分类、提醒设置等一系列操作。和传统的静态备忘录相比，它具备自主处理能力，能根据用户的使用习惯优化分类规则，还能结合时间、优先级等维度判断提醒的时机，大幅降低用户管理事项的成本。
构建备忘录智能体的核心准备
从零开始搭建备忘录智能体，需要先准备好基础的开发环境和依赖工具，主要包括以下几个部分：
- 大语言模型接口：用于解析用户输入的事项内容，提取关键信息，比如事项内容、分类标签、截止时间、优先级等，推荐使用通用的开放大模型接口即可。
- 数据库工具：用于存储用户的事项数据，包括事项ID、内容、分类、截止时间、提醒状态等字段，轻量场景可以用SQLite，高并发场景可以选择MySQL。
- 定时任务组件：用于触发提醒检查，到点扫描数据库中的待提醒事项，推送提醒通知。
- 通知渠道：根据需求选择推送方式，比如站内消息、邮件、第三方消息接口等。
核心功能设计与实现
1. 事项自主记录与信息提取
首先需要实现用户输入解析模块，接收用户的自然语言输入，提取出事项的核心字段。下面是一个简单的Python实现示例，使用大模型接口解析用户输入：
import json
import requests
# 调用大模型接口解析用户输入的事项信息
def parse_memo_input(user_input, llm_api_url, api_key):
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}
# 构造提示词，要求模型返回结构化的事项信息
prompt = f"""
用户说了以下内容：{user_input}
请提取其中的备忘录事项信息，返回JSON格式，包含以下字段：
- content：事项具体内容
- category：分类，可选值为工作、生活、学习、其他
- deadline：截止时间，格式为YYYY-MM-DD HH:MM，如果没有则返回null
- priority：优先级，可选值为高、中、低，默认中
只返回JSON内容，不要额外解释。
"""
payload = {
"model": "通用大模型名称",
"messages": [{"role": "user", "content": prompt}],
"temperature": 0.3
}
response = requests.post(llm_api_url, headers=headers, json=payload)
result = response.json()
output = result["choices"][0]["message"]["content"]
# 解析返回的JSON内容
memo_info = json.loads(output)
return memo_info
# 测试示例
if __name__ == "__main__":
user_text = "下周三下午两点要开项目评审会，这个是工作相关的，优先级比较高"
# 这里替换为实际的大模型接口地址和密钥
api_url = "https://api.ipipp.com/v1/chat/completions"
key = "your_api_key"
info = parse_memo_input(user_text, api_url, key)
print(info)2. 事项分类整理
提取到事项信息后，需要将其存入数据库完成分类整理。如果模型返回的分类不够准确，还可以设置自定义的分类规则做二次校准。下面是一个SQLite数据库操作的示例，实现事项存储：
import sqlite3
from datetime import datetime
# 初始化数据库，创建事项表
def init_db(db_path):
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
cursor.execute("""
CREATE TABLE IF NOT EXISTS memos (
id INTEGER PRIMARY KEY AUTOINCREMENT,
content TEXT NOT NULL,
category TEXT NOT NULL,
deadline TEXT,
priority TEXT NOT NULL,
create_time TEXT NOT NULL,
remind_status INTEGER DEFAULT 0
)
""")
conn.commit()
conn.close()
# 保存事项到数据库
def save_memo(memo_info, db_path):
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
create_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
cursor.execute("""
INSERT INTO memos (content, category, deadline, priority, create_time)
VALUES (?, ?, ?, ?, ?)
""", (
memo_info["content"],
memo_info["category"],
memo_info["deadline"],
memo_info["priority"],
create_time
))
conn.commit()
memo_id = cursor.lastrowid
conn.close()
return memo_id
# 测试示例
if __name__ == "__main__":
# 假设已经解析得到的事项信息
test_memo = {
"content": "下周三下午两点开项目评审会",
"category": "工作",
"deadline": "2024-10-30 14:00",
"priority": "高"
}
init_db("memo.db")
memo_id = save_memo(test_memo, "memo.db")
print(f"事项保存成功，ID为{memo_id}")3. 智能提醒功能实现
智能提醒需要定时扫描数据库中临近截止时间且未提醒的事项，然后根据优先级和时间差推送提醒。下面是一个定时检查并推送提醒的示例：
import sqlite3
from datetime import datetime, timedelta
# 检查待提醒的事项并推送
def check_and_remind(db_path):
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
# 获取当前时间
now = datetime.now()
# 查询未来24小时内截止、且未提醒的高优先级事项
high_priority_deadline = (now + timedelta(hours=24)).strftime("%Y-%m-%d %H:%M:%S")
cursor.execute("""
SELECT id, content, deadline, priority FROM memos
WHERE remind_status = 0 AND deadline IS NOT NULL
AND deadline <= ? AND priority = '高'
""", (high_priority_deadline,))
high_memos = cursor.fetchall()
# 查询未来1小时内截止、且未提醒的中低优先级事项
mid_deadline = (now + timedelta(hours=1)).strftime("%Y-%m-%d %H:%M:%S")
cursor.execute("""
SELECT id, content, deadline, priority FROM memos
WHERE remind_status = 0 AND deadline IS NOT NULL
AND deadline <= ? AND priority != '高'
""", (mid_deadline,))
mid_memos = cursor.fetchall()
all_remind_memos = high_memos + mid_memos
for memo in all_remind_memos:
memo_id, content, deadline, priority = memo
# 这里替换为实际的提醒推送逻辑，比如发送消息、邮件等
print(f"提醒：您的事项「{content}」将在{deadline}截止，优先级为{priority}")
# 标记该事项已提醒
cursor.execute("UPDATE memos SET remind_status = 1 WHERE id = ?", (memo_id,))
conn.commit()
conn.close()
# 测试示例
if __name__ == "__main__":
check_and_remind("memo.db")后续优化方向
完成基础功能后，还可以根据实际需求做进一步优化。比如可以增加用户自定义分类规则的功能，让用户自己调整分类逻辑；还可以接入多模态输入，支持语音输入事项内容，进一步降低用户的使用门槛；另外可以增加事项完成状态管理，用户可以手动标记事项完成，智能体自动归档已完成的事项，让管理更清晰。如果有多用户场景，还需要增加用户鉴权模块，保证不同用户的事项数据相互隔离。