RAG-普通的RAG对于长期记忆的缺陷

第一组：

• 标题：时序错乱 (Temporal Loss)
• 描述：向量空间没有时间轴。
• 后果：AI 无法区分“昨天”和“去年”，新旧信息冲突，回答前后矛盾。

第二组：

• 标题：语境碎片化 (Fragmentation)
• 描述：切片导致因果断裂。
• 后果：只见树木不见森林，AI 只能复读细节，无法进行宏观总结。

第三组：

• 标题：语义漂移 (Semantic Drift)
• 描述：Query 短 vs Doc 具体。
• 后果：向量距离过远，检索匹配度低，关键记忆召回失败。

 

构建长期记忆系统的核心原则：

不要只信向量

必须配合元数据过滤（时间）和关键词检索。

层级化存储

用摘要（Summary）抓住宏观语境，解决碎片化。

重排序是必须的

Rerank 能大幅提升最终喂给 LLM 的上下文质量。

HyDE 解决模糊提问

通过“幻觉”生成中间答案，对齐语义空间。