前言

早期的 RAG 系统有一个致命缺陷: 每次对话都是独立的,无法记住之前的上下文。本文将探讨 RAG 如何从无状态走向有状态,以及记忆系统如何成为 Agent 的基础能力。

早期 RAG 的问题: 健忘症

每次对话都是新的

TODO: 展示无状态 RAG 的局限性

上下文丢失的后果

TODO: 用户体验的断裂

Short-term Memory: 对话历史管理

滑动窗口策略

TODO: 如何管理有限的上下文窗口

Token 预算分配

TODO: System Prompt + History + Retrieved Docs 的权衡

Long-term Memory: 经验积累

对话摘要存入向量库

TODO: 如何将历史对话转化为长期记忆

记忆的检索和召回

TODO: 何时需要召回历史经验?

记忆的分层设计

Working Memory

TODO: 当前对话的短期缓存

Episodic Memory

TODO: 事件性记忆,具体对话的完整记录

Semantic Memory

TODO: 语义记忆,提取的知识和规律

记忆系统的架构设计

TODO: 架构图和伪代码

记忆系统是 Agent 的基础

为什么 Agent 需要记忆?

TODO: 引出下一个系列 Agent 的核心能力

从 RAG 到 Agent 的演进

TODO: 记忆是自主性的前提

小结

TODO: 总结 RAG 系列,预告 Agent 系列

系列文章:

  • 上一篇: 从文本切块到语义检索: RAG 的工程化实践
  • 下一篇: 从 AutoGPT 到 Agent 范式: AI 为什么需要"自主性"?