LTM 快速开始

下面的流程适合首次验证。需要一个当前项目的 Turing API Key，以及可以使用的 Embedding 模型和 LLM family。

先在 LTM 开发者平台 的工作区里完成一次同样的流程，再把请求复制到应用，最容易理解每个 API 返回值代表什么。

1. 设置环境变量

export TURING_BASE_URL="https://live-turing.cn.llm.tcljd.com/api/v1"
export TURING_API_KEY="<your-api-key>"

TURING_BASE_URL 必须包含 /api/v1。测试环境请替换为对应环境的 API 地址。

2. 查看模型并创建 Space

curl "$TURING_BASE_URL/ltm/families" \
  -H "Authorization: Bearer $TURING_API_KEY"

curl "$TURING_BASE_URL/ltm/spaces" \
  -H "Authorization: Bearer $TURING_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "customer-support",
    "description": "Support conversations",
    "embedding_model": "<embedding-model>",
    "model_profile": {"default": "<llm-family>"}
  }'

保存响应中的 data.space_id。Embedding 模型在 Space 创建后不可修改。

3. 写入 Event

export SPACE_ID="<space-id>"

curl "$TURING_BASE_URL/ltm/spaces/$SPACE_ID/events" \
  -H "Authorization: Bearer $TURING_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: quickstart-20260912-01" \
  -d '{
    "owner_type": "actor",
    "actor_id": "user-123",
    "session_id": "quickstart-session",
    "messages": [
      {"role": "user", "content": "我偏好用中文。"},
      {"role": "assistant", "content": "记住了。"}
    ]
  }'

成功返回 202 和 data.status = "accepted"。等待异步处理后再读取派生结果。

4. 读取上下文

curl "$TURING_BASE_URL/ltm/spaces/$SPACE_ID/context?actor_id=user-123&token_budget=2000" \
  -H "Authorization: Bearer $TURING_API_KEY"

需要语义检索时使用 Search LTM memories；需要浏览全部派生记录时使用 List derived LTM memories。

下一步

• 不想自己编排 Recall 和 Capture：看 Managed Chat 接入。
• 正在开发本地 Agent：看 CLI + Skills 接入。
• 需要字段级契约：看 LTM API 参考。