Welcome To openEuler Community

Hey @chuchengkai , thanks for your contribution to the community.

Bot Usage Manual

I'm the Bot here serving you. You can find the instructions on how to interact with me at Here . That means you can comment below every pull request or issue to trigger Bot Commands. You can self-configure the PR merge rules for this repository. For more details, please refer to Here.

Contact Guide

If you have any questions, please contact the SIG: sig-intelligence ,
and any of the maintainers: @fromhsc, @gogoxiaoxiao, @huzhengce, @kaitiandu, @leon-wang2021, @liumiao27, @lyhu, @wqianli ,
and any of the committers: @chantsztung, @jie-qi, @vanient9gap, @xiangyou_xie, @xtchen .

感谢反馈。该问题现象描述准确，当前失败点在 memory_ingest 的 Extract 阶段。

从现象看，服务端返回了 OpenAI-compatible Chat Completions 响应，但最终答案没有落在 choices[0].message.content，而是只返回在 reasoning_content 中，导致 ram-a-mem 客户端读取到空 content，进而报 empty_content / PIPELINE_FAILED(stage=extract)。

当前 ram-a-mem 记忆摄入管线对抽取模型的兼容要求是：

1. 接口需兼容 OpenAI Chat Completions 协议；
2. 模型最终输出必须稳定返回到 choices[0].message.content；
3. Extract 阶段的 content 需要是可解析的结构化 JSON；
4. reasoning_content 可存在，但不能作为最终业务输出使用；
5. 如果模型只返回 reasoning_content、content 为空，当前版本会判定为模型响应不满足记忆抽取协议要求。

也就是说，ram-a-mem 并不是强制要求“非推理模型”，但要求推理模型最终必须返回标准 content。如果所用 Qwen3 / MiniMax 推理模型支持关闭 thinking/reasoning，建议在请求配置中显式关闭；如果服务端无法关闭推理，需保证 reasoning 与最终答案分离，并且最终 JSON 写入 message.content。

后续修复方向已在 PR18 中补充：

• 增加 reasoning_effort / enable_thinking 等模型兼容配置；
• 增加 reasoning-only 响应识别；
• 当只返回 reasoning_content、没有 content 时，可按配置进行一次有界纠正重试；
• 增加模型兼容性说明文档，明确 content 与 reasoning_content 的边界；
• ARM64 镜像验证中已覆盖 GLM Coding Plan 场景，完整 memory_ingest -> memory_search 已通过。

关联修复 PR：!18
关联问题：#6

在 PR 合入前，临时规避建议：

• 优先使用稳定返回 choices[0].message.content 的非推理/低推理模型；
• 或在 Provider 配置中关闭 thinking/reasoning；
• 或调大 Extract 输出预算，避免模型在短 max_tokens 下只生成 reasoning 而没有最终 content；
• 如果当前模型服务始终只返回 reasoning_content，则该服务暂不满足 ram-a-mem 记忆抽取协议要求。

PR18 合入后，可以通过配置模型兼容参数来适配这类推理模型响应。

示例配置：

{
  "providers": {
    "reasoning_effort": "none",
    "enable_thinking": null,
    "send_temperature": true,
    "temperature": 0.0,
    "output_token_parameter": "max_tokens",
    "structured_output": "prompt_only",
    "reasoning_only_retry": true,
    "json_repair_attempts": 1
  },
  "pipeline": {
    "extractor_max_output_tokens": 1600,
    "verifier_max_output_tokens": 1000,
    "reasoning_reserve_tokens": 0
  }
}
说明：
- 如果模型服务支持 reasoning_effort，建议配置 "reasoning_effort": "none"。
- 如果模型服务支持 enable_thinking，则可改用 "enable_thinking": false，但不要和 reasoning_effort 同时配置。
- 如果服务不接受 temperature，可配置 "send_temperature": false。
- 如果服务使用 Responses/新版 token 参数，可将 "output_token_parameter" 改成 "max_completion_tokens"。
- 如果服务不确定是否支持结构化输出，先使用 "structured_output": "prompt_only"。
- reasoning_only_retry: true 表示当模型只返回 reasoning_content、content 为空时，RAM-A 会自动做一次纠正重试，要求模型返回最终 content。
- extractor_max_output_tokens / verifier_max_output_tokens 是输出 token 上限，不是输入长度，也不是字符数。
模型侧仍需满足一个关键条件：
memory_ingest 最终可解析的 JSON 必须返回到 choices[0].message.content。reasoning_content 可以存在，但 RAM-A 不会把它当作记忆结果解析。
如果使用 Qwen3 / MiniMax 这类推理模型，建议优先确认服务端是否支持关闭 thinking/reasoning；如果支持，就显式关闭。如果无法关闭，则至少要保证最终 JSON 会进入 content，否则即使 PR18 合入，也只能触发一次纠正重试，不能保证一定成功。

补充说明：
修改前使用 GLM Coding Plan 跑通过，是因为当时实际 memory_ingest 的 Extract/Ground 请求最终拿到了非空 choices[0].message.content，其中包含 RAM-A 需要解析的 JSON。因此旧版本虽然不会读取 reasoning_content，但仍然可以摄入成功。

失败场景主要出现在推理模型只返回 reasoning_content、content 为空时。修改前 RAM-A 无法区分这是 reasoning-only 响应还是普通 empty content，会直接在 Extract/Ground 阶段失败。