第 3 章 · 用户记忆和知识库

跨会话记住用户、接入外部知识：用户记忆、RAG、结构化索引、知识图谱

← 返回主目录 · 📖 读本章正文

配套项目

项目	类型	一句话说明
user-memory	✅	长期用户记忆系统，让 Agent 记住偏好与历史交互、提供个性化服务
mem0 · memobase	✅	用 mem0、Memobase 两个开源框架各实现一版用户记忆，作为实验 3-2 的对照实现
user-memory-evaluation	✅	系统化评估用户记忆系统的准确性、相关性和有效性
dense-embedding	✅	向量相似性搜索服务，对比 ANNOY（树）与 HNSW（图）两种 ANN 算法的权衡
sparse-embedding	✅	从零实现基于 BM25 的稀疏向量搜索引擎，可视化内部工作机制
retrieval-pipeline	✅	稠密 + 稀疏 + 神经重排序的完整流水线，用测试用例展示混合检索的互补效果
multimodal-agent	✅	对比原生多模态、提取为文本、工具化分析三种策略在保真度/成本/灵活性上的权衡
structured-index	✅	实现并对比 RAPTOR（递归抽象树）与 GraphRAG（知识图谱）两种结构化索引
agentic-rag	✅	对比 Non-Agentic 与 Agentic RAG，展示 ReAct 主导的迭代检索在司法问答上的优势
agentic-rag-for-user-memory	✅	用 Agentic RAG 管理用户对话历史，实现跨会话记忆检索
contextual-retrieval	✅	实现 Anthropic 的上下文感知检索，为分块生成前缀摘要，失败率降低 49–67%
contextual-retrieval-for-user-memory	✅	结合 Advanced JSON Cards 与上下文感知 RAG，形成双层记忆结构实现主动服务
structured-knowledge-extraction	✅	以司法判例跑通「因子发现 → 聚类原型 → 对话式建议」三段流水线

项目类型说明

图标	类型	含义
✅	可独立运行	本仓库自带完整代码，配置好 API Key 即可运行
📖	复现指南	依赖需自行 git clone 的外部仓库（训练框架、评测基准等）
🚧	设计文档	仅包含架构与实现方案，可运行代码仍在完善中