业务和功能介绍
开源地址：https://github.com/daoyou-zhang/memRangeAgent
### 记忆增强检索（Memory RAG）
系统的核心是三层记忆架构的实现。情节记忆（Episodic）采用 PostgreSQL 存储，每条记录包含对话内容、时间戳、用户 ID、会话 ID 等元数据，并通过向量化技术生成 embedding，支持语义检索。语义记忆（Semantic）通过 LLM 从情节记忆中提炼，存储抽象概念、用户偏好、领域知识等，形成结构化的知识条目。程序记忆（Procedural）记录成功的工具调用序列和操作流程，支持流程复用。
向量检索基于余弦相似度算法，将用户输入向量化后，在记忆库中检索最相关的历史记录。检索结果按相关性和时间衰减加权排序，确保既考虑语义相关性，又优先召回近期记忆。通过 Redis 缓存热点查询，将 RAG 检索延迟控制在 100ms 以内。
### 认知控制器（Cognitive Controller）
认知流程分为四个阶段：意图理解 → 上下文聚合 → 回复生成 → 学习闭环。意图理解使用独立的快速模型（qwen-flash），低温度（0.1）保证稳定的 JSON 输出，分析用户意图类别、实体、置信度和是否需要工具调用。上下文聚合从记忆服务获取用户画像、工作记忆（最近对话）和 RAG 检索结果，从知识服务获取图谱查询结果，融合成完整上下文。回复生成使用高质量模型（deepseek-v3），温度 0.5 保证创造性和稳定性的平衡。学习闭环将对话存入情节记忆，触发异步的画像聚合任务。
### 知识图谱集成
采用 Neo4j 图数据库构建知识图谱，支持实体（Entity）、关系（Relationship）、属性（Property）的灵活建模。实体包括人物、概念、事件等，关系包括"属于"、"相关"、"导致"等语义连接。通过 Cypher 查询语言实现路径查询、社区发现、中心性分析等图算法。
### 记忆增强检索（Memory RAG）
系统的核心是三层记忆架构的实现。情节记忆（Episodic）采用 PostgreSQL 存储，每条记录包含对话内容、时间戳、用户 ID、会话 ID 等元数据，并通过向量化技术生成 embedding，支持语义检索。语义记忆（Semantic）通过 LLM 从情节记忆中提炼，存储抽象概念、用户偏好、领域知识等，形成结构化的知识条目。程序记忆（Procedural）记录成功的工具调用序列和操作流程，支持流程复用。
向量检索基于余弦相似度算法，将用户输入向量化后，在记忆库中检索最相关的历史记录。检索结果按相关性和时间衰减加权排序，确保既考虑语义相关性，又优先召回近期记忆。通过 Redis 缓存热点查询，将 RAG 检索延迟控制在 100ms 以内。
### 认知控制器（Cognitive Controller）
认知流程分为四个阶段：意图理解 → 上下文聚合 → 回复生成 → 学习闭环。意图理解使用独立的快速模型（qwen-flash），低温度（0.1）保证稳定的 JSON 输出，分析用户意图类别、实体、置信度和是否需要工具调用。上下文聚合从记忆服务获取用户画像、工作记忆（最近对话）和 RAG 检索结果，从知识服务获取图谱查询结果，融合成完整上下文。回复生成使用高质量模型（deepseek-v3），温度 0.5 保证创造性和稳定性的平衡。学习闭环将对话存入情节记忆，触发异步的画像聚合任务。
### 知识图谱集成
采用 Neo4j 图数据库构建知识图谱，支持实体（Entity）、关系（Relationship）、属性（Property）的灵活建模。实体包括人物、概念、事件等，关系包括"属于"、"相关"、"导致"等语义连接。通过 Cypher 查询语言实现路径查询、社区发现、中心性分析等图算法。
项目实现
### 系统架构设计
我设计了前后端分离的微服务架构，将系统拆分为三个独立服务：认知服务（daoyou_agent）负责意图理解、回复生成和工具编排；记忆服务（memory）管理三层记忆、RAG 检索和用户画像；知识服务（knowledge）处理知识库、文档索引和图谱查询。服务间通过 HTTP API 通信，支持独立部署、水平扩展和技术栈异构（FastAPI + Flask）。
这种架构的优势在于职责清晰、松耦合、易维护。认知服务专注于"思考"，记忆服务专注于"记忆"，知识服务专注于"知识"。任何一个服务的升级或故障都不会影响其他服务。同时支持按需扩展，例如记忆服务可以独立部署多个实例处理高并发的 RAG 查询。
### 三层记忆模型设计
我借鉴认知心理学的记忆理论，设计了情节-语义-程序三层记忆架构。情节记忆是"原始素材"，记录每次对话的完整信息；语义记忆是"提炼精华"，通过 LLM 从情节中抽取抽象知识；程序记忆是"经验总结"，记录成功的操作流程。三层记忆通过定时任务和触发器自动转化，实现从短期到长期的知识沉淀。
在数据库设计上，情节记忆表包含 content、embedding、timestamp、user_id、session_id 等字段，支持向量检索和时间过滤。语义记忆表包含 concept、description、confidence、source_memories 等字段，记录知识来源的可追溯性。程序记忆表包含 procedure_name、steps、success_rate 等字段，支持流程复用和优化。
### 自我学习机制设计
我设计了完整的学习闭环：对话 → 情节记忆 → 知识洞察 → 语义记忆 → 用户画像 → 下次对话。
我设计了前后端分离的微服务架构，将系统拆分为三个独立服务：认知服务（daoyou_agent）负责意图理解、回复生成和工具编排；记忆服务（memory）管理三层记忆、RAG 检索和用户画像；知识服务（knowledge）处理知识库、文档索引和图谱查询。服务间通过 HTTP API 通信，支持独立部署、水平扩展和技术栈异构（FastAPI + Flask）。
这种架构的优势在于职责清晰、松耦合、易维护。认知服务专注于"思考"，记忆服务专注于"记忆"，知识服务专注于"知识"。任何一个服务的升级或故障都不会影响其他服务。同时支持按需扩展，例如记忆服务可以独立部署多个实例处理高并发的 RAG 查询。
### 三层记忆模型设计
我借鉴认知心理学的记忆理论，设计了情节-语义-程序三层记忆架构。情节记忆是"原始素材"，记录每次对话的完整信息；语义记忆是"提炼精华"，通过 LLM 从情节中抽取抽象知识；程序记忆是"经验总结"，记录成功的操作流程。三层记忆通过定时任务和触发器自动转化，实现从短期到长期的知识沉淀。
在数据库设计上，情节记忆表包含 content、embedding、timestamp、user_id、session_id 等字段，支持向量检索和时间过滤。语义记忆表包含 concept、description、confidence、source_memories 等字段，记录知识来源的可追溯性。程序记忆表包含 procedure_name、steps、success_rate 等字段，支持流程复用和优化。
### 自我学习机制设计
我设计了完整的学习闭环：对话 → 情节记忆 → 知识洞察 → 语义记忆 → 用户画像 → 下次对话。
示例图片视频
相似推荐
后台管理系统
这是一款食堂类的管理项目，通过钉钉打卡，来确认当天吃饭人数，也可自行点菜等功能
这是一款江西旅游小程序，实现一级游湘西的设计理念，周边餐饮，酒店，让用户更方便去想去的地方大结局点解点解
百程旅行网-百程旅行
百程旅行网是北京百程国际旅游股份有限公司运营的出境旅游O2O服务平台。
百程旅行网注重将互联网与出境旅游服务相结合，为消费者提供个性化、专业的出境旅行服务。其目标用户群体主要为80、90后，以签证服务为切入点，依托互联网技术拓展业务，核心业务包括签证代办、自由行、目的地服务和专属定制等。
百程旅行网通过在线签证服务的导入流量实现自由行、定制游、参团游、机票、酒店等度假产品销售，以及接送机、门票、租车、日游等碎片化的目的地产品销售。公司以签证服务为切入口，通过一站化式境内外服务获得用户的认可，为客户提供可靠、便捷、实惠、体验佳的旅行服务。
旅游攻略小程序
背景：随着中国游客的逐步增多，游客对旅游景点的玩法和攻略需求越发急切，开发此方面的微信小程序势在必行。
功能：本小程序旨在收集国内景点，并给出多个玩法攻略供游客参考，同时支持游客上传新的景点和攻略，通过审核后展示给其他游客参考。
Apple Watch 上的翻译APP-澪空软件腕表翻译
澪空软件腕表翻译，主打在 Apple Watch 手表上轻松、便捷使用多个翻译来源进行即时翻译。支持百度翻译、腾讯翻译等多个翻译接口。还有历史记录，文言文翻译等多种特色功能，为用户带来在 Watch 上的全新翻译体验。
旅迹app
为用户出行打造的全场景跨端旅游规划系统，支持旅游规划可视化制作、多用户实时协作编辑，提供规划一键复制复用功能，同时实现规划内容便捷发布分享；前端搭载瀑布流规划列表，适配触底加载交互提升浏览体验，还内置备忘待办速记工具，高效记录出行要点；后台配备完善的数据管理模块，实现规划内容、用户信息、协作记录的一体化管控，更融合 AI 智能能力，可根据用户需求生成个性化定制旅游规划，全方位满足用户从规划创作、协作共享到落地执行的全流程出行需求。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服