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
酒店项目
项目背景：国内中小旅馆和酒店缺少统一管理，导致用户使用体验褒贬不一，公司通过统一酒店风格和配置完成酒店的硬件和软件服务设施升级
软件功能：1.酒店查询：通过用户输入的地址自动匹配周边的对应酒店
2.酒店预定：用户可根据入住人数入住时间完成合适酒店预订
3.个人账号管理：用户预订的酒店信息和个人输入信息进行管理
智能物流自动路径规划导航软件
立项背景和目标：游客自行规划旅游行程易出现景点绕路、时间分配不合理、景点往返路程过长等问题，传统旅游攻略无法根据用户出行天数、偏好景点、出行交通方式自动生成个性化路线。本项目旨在通过智能路径规划算法，根据用户选定景点、出行时长、出行方式自动生成省时省力的最优旅游游览路线，提供可视化行程导航，提升游客出行体验。
核心功能模块：①景点信息库模块，存储城市景点坐标、开放时间、游玩时长、门票信息；②个性化行程配置模块，支持用户选择游玩天数、偏好景点、出行交通工具；③智能路径规划模块，基于蚁群算法计算多景点连续游览最优路线；④行程可视化导航模块，地图展示游览顺序、各景点距离、预估耗时；⑤后台管理模块，管理员可新增 / 编辑景点数据、查看热门规划路线数据。
业务流程：游客进入系统，选择目标城市并勾选想要游玩的景点，填写游玩天数与出行方式，系统读取景点地理坐标，调用路径算法计算最优游览顺序，生成完整一日 / 多日旅游行程路线，地图可视化展示全程路径，支持导出行程清单，后台可统计用户高频景点搭配方案。
触发式自动讲解系统-循位智讲
场景触发式讲解系统是一款面向线下实体场景的自动语音导览应用。它通过持续追踪移动设备的 GPS 位置，在设备靠近预设的讲解点位时自动播放对应的语音讲解音频，无需人工干预，实现"人走到哪里，讲解跟到哪里"的沉浸式导览体验。
甲马灵境AR App
定位：面向云南大理白族甲马文化的文旅互动产品：纹样图鉴 + AR 扫描 + 文创商城 + 社区 UGC + 文旅导览 + 管理后台 CMS，形成「内容生产 → 运营配置 → 用户消费 → 数据沉淀」的闭环。
目标：构建甲⻢纹样数字化保护与传播平台，探索基于情境体验的甲马文化 APP 设计研究；
本项目旨在通过技术赋能，将古老的甲⻢艺术从静态的文化遗产转变为动态的传承，甲马非遗“只停留在纪念品商店”，解决了年
轻人看不懂、带不走、传不开的问题，项目让它“可玩、可晒、可再买”。
旅游规划 AI Agent
基于 Spring Boot 3 + Spring AI + RAG + Tool Calling + MCP 的企业级旅游规划智能体，为用户提供路线制定等服务。支持多轮对话、记忆持久化、RAG 知识库检索等能力，并且基于 ReAct 模式，能够自主思考并调用工具来完成复杂任务，比如利用网页搜索、资源下载和 PDF 生成工具制定完整的旅游计划并生成文档。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服