拆开 AI 记忆引擎的完整老底：Hindsight 数据架构全解——从 document 树到 200ms 召回，从 SQL 模板到图谱自愈TL;DR：Hindsight 0.8.0 是一个「以 document 为根、以事实为节点、以图谱为连接」的记忆系统，而不是「一张 memory 表」的简单数据库。一次 retain 调用会经历 chunk → LLM 抽取 → 实体解析 → embedding → 图谱建边 → 异步合并六层处理，把一条 content 变成一棵派生树；一次 recall 调用会走「语义 + BM25 + 图谱 + 时间」四通道并行检索 + RRF 融合 + Cross-Encoder 精排，在 135-270ms 内返回结果。它没有单条删除 API（实测 405），因为删除的粒度是「树」而不是「行」。本文从源码级拆解完整架构：真实表结构（24 列、15+ 索引）、retain 编排（delta 增量、流式 mini-batch）、SQL 方言抽象层（4 种全文后端）、查询分析器双轨设计、consolidation 合并引擎（三种动作、LEAST/GREATEST 语义）、删除五步时序与 relink 图谱自愈。所有代码来自 Hindsight 0.8.0-slim 容器内实际源码，所有性能数据来自真实 API 实测，文末附完整复现指南。一、全局：一张 document 树，四条管道1.1 先看整体架构┌────────────────────────────────────────────