AI 记忆、RAG 与上下文管理是什么关系?
从个人学习助手出发,区分对话历史、用户画像、任务状态、RAG 与长期记忆,建立可用于 Java 后端设计的职责边界。
勤学如春起之苗,不见其增,日有所长。辍学如磨刀之石,不见其损,日有所亏。
共 56 篇文章 · 当前 11–20 篇 · 2015—2026
从个人学习助手出发,区分对话历史、用户画像、任务状态、RAG 与长期记忆,建立可用于 Java 后端设计的职责边界。
沿着召回、过滤、重排与上下文装配定位记忆使用失败,用 Java 词项检索演示有效性约束,并说明混合检索和 Token 预算的扩展方式。
以技术背景变更和学习目标删除为例,说明补充、替换、有效时间、版本历史、幂等收据与删除传播,并用 Java 验证关键边界。
从消息进入到工具执行、状态持久化和安全隔离,完整拆解 OpenClaw 作为长期运行 Agent Gateway 的架构与工程取舍。
从创作树状态模型、AI Director、流式协议、产物插件到 SQLite/MySQL 持久化,拆解 Tritree 如何把用户选择放回 AI 创作闭环。
把长期记忆视为一条数据与决策链路,拆解记忆提取、检索召回、冲突处理、遗忘与评估。
一份关于个人技术博客的建站说明:为什么重新选择独立写作,以及如何让文章、项目和思考形成长期轨迹。
对比 Mem0、EverMemOS、Zep、Second Me、MIRIX 与 M3-Agent 等开源记忆框架,并整理对话与多模态记忆评测集。
以小米汽车 ECHO 反馈平台为例,拆解 Elasticsearch 标量检索、向量检索与混合检索的实现链路和性能优化。
把 Kafka、Spark、Flink 和 Iceberg 实验串成可验证的数据链路,明确实时与离线口径,完成缺失检测、历史补数、幂等重跑和结果验收。