想让AI工作流更懂你？关键在于长期记忆。本文详解Coze工作流中的记忆节点应用，通过记录与调用用户个性化信息，轻松实现从通用回复到精准推荐的跨越，有效提升AI的交互体验。
智能速览
记忆节点用于召回用户的个性化信息，实现精准推荐。
它解决了多轮对话无法长期保存用户信息的问题。
使用前，必须确保绑定的智能体已开启长期记忆功能。
节点输入参数为“Query”，用于定义要检索的信息类型。
节点输出参数为“outputList”，包含与查询相关的记忆数据。
可与插件节点结合，构建如个性化新闻推荐的完整工作流。
精华内容
掌握了配置方法，长期记忆节点就能成为工作流的强大动力。下面是其具体应用解析，从作用到配置，再到实战案例。
核心作用
Coze工作流中的长期记忆写入节点，核心价值在于让AI能够“记住”用户。在新闻推荐、内容定制等需要个性化的场景，它能基于用户画像或历史偏好，让智能体的反馈更贴合用户需求。
传统的多轮对话受限于上下文长度，无法永久保存信息，而长期记忆功能则解决了这一痛点，让工作流在每次执行时都能调用之前的用户数据，显著提升用户体验。
前提条件
在试运行或部署包含长期记忆节点的工作流时，有一个强制性的前提：必须为该工作流指定一个已经开启长期记忆功能的智能体。
如果智能体未开启此功能，工作流在执行时会直接报错（错误代码720712021），提示“Bot没有开启LTM”。此外，建议关闭智能体的“支持在Prompt中调用”选项，以避免对话中同时触发记忆召回与工作流执行，导致流程混乱。
参数配置
长期记忆节点的配置非常直接。其输入参数固定为“Query”，即你希望从长期记忆中匹配的关键信息。例如，可以设置为“喜欢什么类型的新闻”或“用户的生日”。
这个Query值可以手动输入为固定字符串，也可以引用上游节点的输出参数，实现动态查询。节点的输出参数固定为“outputList”，其格式是一个对象数组，包含了所有与Query相关的记忆内容。下游节点可以直接引用此参数进行后续处理。
实战案例
以一个“个性化热点新闻”工作流为例，可以直观看到记忆节点的应用。
第一步，在长期记忆节点中，将Query输入设置为“喜欢什么类型的新闻”。第二步，插件节点（如使用头条新闻插件）接收并引用记忆节点的输出，根据用户的喜好检索新闻。第三步，结束节点将插件返回的新闻列表整理后输出给用户。通过这样简单的串联，AI就能为每位用户推荐其真正感兴趣的内容，实现了高度个性化。
长期记忆节点是连接AI与用户个性需求的桥梁。通过它，工作流不再是僵硬的指令执行者，而更像是懂你的智能助手。你的下一个个性化应用会是什么？
