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
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 |