向指定的记忆库中添加一批消息（通常是多轮对话），系统将根据记忆库的记忆抽取配置对这些消息进行处理和存储，形成结构化的记忆事件，并可能更新关联的画像。

注意：

• 调用 add_session 接口时，若使用相同的 session_id，会覆盖该对话之前生成的事件版本，并从画像中撤回之前生成的事件。建议使用 UUID 动态生成 session_id，确保每次会话独立；只有在确实需要覆盖时才重复使用。
• profile_type需要为extract_memory_type里画像类型的子集。
• 只有在 messages 中同时传入 user 和 assistant 的消息时，画像和事件才会正确归属用户和助手。接口不会仅依赖 metadata 中的 ID 进行关联；如果只传 user 消息，事件不会关联到 metadata 中的 assistant。
• 记忆的隔离机制：
  • 事件：不同assistant、group相关的 message 生成的事件，会带上对应的标识，检索时可使用对应的参数进行过滤。
  • 画像：画像的隔离分为两层：
    • group：不同group生成的画像是完全隔离的（注意，group不代表群聊，只有在需要做画像隔离时，才建议使用group）
    • assistant：同一group下，不同 assistant 和用户的消息生成的画像是完全隔离的；如果原始消息中没有传入 assistant，那么就会生成不关联 assistant 的画像。

Python请求

import os
import json
import time
import requests

API_KEY = os.environ.get("MEMORY_API_KEY")
url = "https://api-knowledgebase.mlp.cn-beijing.volces.com/api/memory/session/add"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

now_ts = int(time.time() * 1000)

data = {
    "collection_name": "my_first_memory_collection",  # 替换为你的记忆库名称
    "session_id": "session_001",
    "messages": [
        {"role": "user", "content": "今天天气怎么样？"},
        {"role": "assistant", "content": "今天天气晴朗，气温22度，非常适合外出。"}
    ],
    "metadata": {
        "default_user_id": "user_01",
        "default_user_name": "XiaoMing",
        "default_assistant_id": "assistant_01",
        "default_assistant_name": "Robot",
        "time": now_ts
    }
}

response = requests.post(url, headers=headers, data=json.dumps(data, ensure_ascii=False))

print("Status Code:", response.status_code)
print("Response:", response.text)