Day 7第 3 章总结复习 — 知识体系梳理 查漏补缺目标把第 3 章用户记忆和知识库的全部知识点串成一张完整的知识图谱。核心复习第 3 章知识全景图第 3 章回答了一个核心问题Agent 如何在对话结束后仍然记住用户、如何从海量知识中找到需要的信息整章的逻辑链条是这样的问题跨会话记忆 │ ├─ 用户记忆个体尺度 │ ├─ 评估标尺三层次框架基础回忆→多会话检索→主动服务 │ ├─ 三套分类体系层次/格式/认知类型正交可组合 │ ├─ 四种存储格式Simple Notes / Enhanced Notes / JSON Cards / Advanced JSON Cards │ ├─ 记忆框架Mem0: 提取→对比→ADD/UPDATE/DELETE/NOOP / Memobase: 画像事件 │ └─ 进阶User as Code文本记忆→可执行代码聚合统计正确率 6-43%→99% │ ├─ 知识库 RAG群体尺度 │ ├─ 基础管道文档分块→稠密检索→稀疏检索→混合检索→重排序 │ │ ├─ 分块固定/递归/语义256-1024 token 10-20% 重叠 │ │ ├─ 稠密余弦相似度语义匹配ANN 索引ANNOY vs HNSW │ │ ├─ 稀疏BM25精确关键词TF-IDF-k1-b 评分 │ │ └─ 混合并行检索→RRF 融合→跨编码器重排序 │ │ │ ├─ 结构化索引超越扁平 RAG │ │ ├─ RAPTOR树状层次擅长从宏观到微观 │ │ ├─ GraphRAG知识图谱擅长多跳关系推理实体消歧 │ │ └─ OpenViking虚拟文件系统L0/L1/L2 按需加载 │ │ │ ├─ 智能体化 RAG从被动管道→主动探索者 │ │ └─ 复杂题召回率 8%→100%实验 3-9 │ │ │ ├─ 上下文感知检索索引期做加法补上下文前缀 │ │ └─ 检索失败率降低 49%加重排序降低 67% │ │ │ └─ 治理过期更新 / 失效过滤 / 权限下推到检索层 │ └─ 终极结论双层记忆架构 ├─ 第一层Advanced JSON Cards常驻上下文提供全局概览 ├─ 第二层上下文感知检索按需取回精确细节 └─ 两层叠加 → 实现第三层主动服务核心概念对照表概念一句话所在位置三层次评估基础回忆→多会话检索→主动服务Day 5四种存储格式Simple/Enhanced/JSON/Advanced JSON CardsDay 5User as Code把记忆写成可执行 Python 代码Day 5Mem0 决策ADD/UPDATE/DELETE/NOOPDay 5文档分块把长文档切成可独立检索的片段Day 5稠密嵌入语义匹配余弦相似度Day 5稀疏嵌入 BM25精确关键词匹配TF-IDF 评分Day 5混合检索稠密稀疏并行→RRF 融合→跨编码器精排Day 5RAPTOR树状层次索引宏观→微观Day 6GraphRAG实体关系图谱多跳推理Day 6智能体化 RAGAgent 主动迭代检索复杂题 8%→100%Day 6上下文感知检索索引期给文本块补上下文前缀Day 6双层记忆架构JSON Cards概览 检索细节 主动服务Day 6易混淆概念辨析1. 上下文感知检索 vs 上下文感知压缩上下文感知检索上下文感知压缩时机索引期存入知识库前运行期对话进行中操作做加法补上下文前缀做减法去冗余留关键对象知识库的文本块当前会话的对话历史章节第 3 章第 2 章2. 稠密嵌入的一词多义 vs GraphRAG 的实体消歧稠密嵌入消歧GraphRAG 消歧消歧对象同一个词在不同语境下的不同含义同名但不同的实体机制上下文感知的词向量图谱中不同的节点关系边例子bank 河岸/银行看上下文张医生-A牙科vs 张医生-B心脏科3. Smart Notes 四种格式 vs 三套分类体系四种存储格式回答怎么存Simple Notes / Enhanced Notes / JSON Cards / Advanced JSON Cards三套分类体系回答三个不同的问题记忆层次 →存在哪里轨迹 / 用户长期记忆 / 业务状态存储格式 →怎么存认知类型 →存什么情景 / 语义 / 程序三套体系正交可组合复习自测综合题试着不看笔记回答以下问题答不上来的就是需要补的漏洞用户记忆的三层次评估框架中第三层主动服务为什么最难它需要系统同时具备哪两种能力四种存储格式各自的优缺点是什么实践中怎么混合使用Mem0 的提取→对比→决策流水线中四种决策分别是什么举一个 DELETE 的例子。User as Code 为什么能把聚合统计的正确率从 6-43% 提升到接近 99%混合检索的三阶段是什么RRF 的公式是什么为什么用排名而非原始得分双编码器和跨编码器的区别是什么分别用在哪个阶段用猎头 vs 面试官比喻解释。扁平 RAG 的三个致命缺陷是什么黑猫白猫和 Xfinity 两个案例分别说明了什么RAPTOR 和 GraphRAG 各自擅长什么查询检索方式有什么不同智能体化 RAG 和传统 RAG 的核心区别是什么它和 Day 2 学的 ReAct 循环是什么关系最重要双层记忆架构的两层分别是什么为什么只用常驻上下文或只用检索都不行用Jessica 护照过期的例子完整描述第三层主动服务的四步工作流程。