本章小结

本章深入探讨了上下文工程的写入策略，涵盖外部存储、记忆架构、知识库构建和向量数据库实践。

关键概念清单

概念	定义
外部存储	上下文窗口之外的持久化存储系统
记忆架构	多层次的记忆组织结构，包含工作记忆、短期记忆、长期记忆
语义记忆	存储抽象事实和概念的长期记忆类型
情景记忆	存储具体事件和经历的长期记忆类型
知识库	组织化的信息集合，用于为 AI 提供领域知识
向量数据库	专门优化用于存储和检索高维向量的数据库

核心观点

1. 外部存储是必需的：上下文窗口有限，复杂应用需要外部存储支持持久记忆和大规模知识

2. 记忆架构应分层设计：

   • 工作记忆：上下文窗口

   • 短期记忆：会话级别

   • 长期记忆：跨会话持久化

3. 知识库构建是系统工程：

   • 数据收集 → 处理 → 向量化 → 质量验证

   • 需要持续维护更新

4. 向量数据库是语义检索的核心：

   • 选择合适的嵌入模型和索引算法

   • 优化分块策略和检索流程

常见误区

• 误区一：直接用传统数据库存储知识 正解：语义检索需要向量数据库支持

• 误区二：知识库越大越好 正解：质量比数量更重要，噪声会降低效果

• 误区三：向量数据库可以替代其他存储 正解：不同类型数据需要不同存储方案

• 误区四：构建一次就完成了 正解：知识库需要持续维护和更新

实践建议

1. 从简单开始：先用简单方案验证可行性，再逐步优化

2. 关注分块质量：分块策略对检索效果影响巨大

3. 选择合适工具：根据规模和需求选择向量数据库

4. 建立评估机制：持续监控检索质量和系统性能

5. 规划维护流程：设计知识库的更新和维护机制

预告

下一章将讨论选择策略——如何从存储的大量信息中精准检索当前任务所需的内容。这是 RAG 系统的核心技术。