AI 记忆与检索

系列阅读

1. AI 记忆工程指南：从概念到可验证的系统

   以个人学习助手为贯穿案例，串起记忆的概念、写入、更新、检索、框架选型与评测，提供 Java 21 离线示例和完整阅读路线。

2. 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。

3. 从一段对话到一条可靠记忆

   用 Java 21 离线示例拆解候选提取、主体与证据校验、规范化、幂等写入和事实合并，并说明模型接入后的生产边界。

4. 用户改变主意后，AI 如何更新记忆？

   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。

5. 检索到了，为什么还是答错？

   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。

6. 用同一个案例拆解 Mem0、Graphiti 与 LangGraph 记忆机制

   固定源码版本，以学习助手的补充、纠正与删除案例比较 Mem0、Graphiti 和 LangGraph 的职责、数据模型与工程边界，避免把平台能力等同于开源实现。

7. 加了记忆，Agent 到底变好了吗？

   报告 Java 示例的 20 项离线契约测试，并设计无跨会话记忆、历史摘要和结构化记忆的公平对照实验，区分检索收益、回答质量与工程成本。