第三章：记忆系统架构
记忆是智能体持续学习和个性化响应的基础。本章将深入探讨智能体记忆系统的设计与实现，从认知模型到向量数据库，再到高级的 RAG 技术。
本章概览
本章旨在构建智能体的记忆系统，使其能够从经验中学习并维护长期上下文。
3.1 记忆的认知模型：深入理解工作记忆与长期记忆的区别，以及如何在智能体中模拟人类记忆机制。
3.2 短期记忆管理：探讨如何在有限的上下文窗口中，通过滑动窗口、摘要等技术最大化信息利用率。
3.3 长期记忆与向量数据库：对比不同类型的向量数据库与检索引擎方案，为长期记忆持久化选择合适的落地路径。
3.4 RAG 系统设计与优化：超越基础 RAG，讲解文档切分、混合检索、重排序等高级技巧，提升检索准确率。
3.5 图记忆与知识图谱：引入知识图谱，建立实体间的关联，赋予智能体更接近人类的结构化记忆与推理能力。
3.6 上下文工程：系统性探讨记忆系统的工程架构与策略，平衡成本与效果。
学习目标
完成本章后，你将能够：
理解 智能体记忆系统的认知模型与设计原则
选择 适合项目需求的向量数据库方案
实现 高效的 RAG 检索增强生成系统
优化 上下文窗口管理，提升信息利用率
构建 具备图记忆能力的高级记忆系统
下一节: 3.1 记忆的认知模型
Last updated