ClassyGitShadowzzh

README.zh-TW.md

README.zh-TW.md

第 3 章 · 使用者記憶和知識庫

跨會話記住使用者、接入外部知識:使用者記憶、RAG、結構化索引、知識圖譜

← 返回主目錄 · 📖 讀本章正文

配套專案

專案 型別 一句話說明
user-memory ✅ 長期使用者記憶系統,讓 Agent 記住偏好與歷史互動、提供個性化服務
mem0 · memobase ✅ 用 mem0、Memobase 兩個開源框架各實現一版使用者記憶,作為實驗 3-2 的對照實現
user-memory-evaluation ✅ 系統化評估使用者記憶系統的準確性、相關性和有效性
dense-embedding ✅ 向量相似性搜尋服務,對比 ANNOY(樹)與 HNSW(圖)兩種 ANN 演算法的權衡
sparse-embedding ✅ 從零實現基於 BM25 的稀疏向量搜尋引擎,視覺化內部工作機制
retrieval-pipeline ✅ 稠密 + 稀疏 + 神經重排序的完整流水線,用測試用例展示混合檢索的互補效果
multimodal-agent ✅ 對比原生多模態、提取為文字、工具化分析三種策略在保真度/成本/靈活性上的權衡
structured-index ✅ 實現並對比 RAPTOR(遞迴抽象樹)與 GraphRAG(知識圖譜)兩種結構化索引
agentic-rag ✅ 對比 Non-Agentic 與 Agentic RAG,展示 ReAct 主導的迭代檢索在司法問答上的優勢
agentic-rag-for-user-memory ✅ 用 Agentic RAG 管理使用者對話歷史,實現跨會話記憶檢索
contextual-retrieval ✅ 實現 Anthropic 的上下文感知檢索,為分塊生成前綴摘要,失敗率降低 49–67%
contextual-retrieval-for-user-memory ✅ 結合 Advanced JSON Cards 與上下文感知 RAG,形成雙層記憶結構實現主動服務
structured-knowledge-extraction ✅ 以司法判例跑通「因子發現 → 聚類原型 → 對話式建議」三段流水線

專案型別說明

圖示 型別 含義
✅ 可獨立執行 本倉庫自帶完整程式碼,配置好 API Key 即可執行
📖 復現指南 依賴需自行 git clone 的外部倉庫(訓練框架、評測基準等)
🚧 設計文件 僅包含架構與實現方案,可執行程式碼仍在完善中