第 01 话 · LLM 是金鱼,但金鱼也能认人
LLM 是金鱼,但金鱼也能认人
用户记忆 = 给 AI 装个小本本
LLM 默认是金鱼——只能活在当下一刻。但只要你给它配本小本本,让它记下你的偏好、习惯、忌口、过敏源,下次它就懂你了。用户记忆不是 AI 偷看你,是它真的在给你存档案。
第 02 话 · RAG = 开卷考试,纸条带签
RAG = 开卷考试,纸条带签
上下文感知检索:失败率 ↓49% / ↓67%
RAG 不是给 AI 灌百科全书,是让它开卷考试——题目来了才翻书。而且 Anthropic 实测:给纸条前面贴个 LLM 写的小签(上下文感知检索),检索失败率 ↓49%,加 reranker 再降 67%。别再抱怨 AI 瞎编了——可能是你没给它资料库。
第 03 话 · 三种翻书法,挑着用
三种翻书法,挑着用
BM25 / 向量 / 混合 + 智能体化 RAG
找东西有三种姿势:死记硬背卡片目录(BM25)、凭感觉举一反三(向量)、两个都要(混合)。金鱼找东西靠脑补,研究员找东西靠多轮迭代搜索——你那 AI 是金鱼还是研究员,看检索方式。智能体化 RAG:法律问题「醉酒+盗窃」判几年?Agent 搜 3 轮才敢下笔。
第 04 话 · 双层记忆 = 越用越贴心
双层记忆 = 越用越贴心
JSON Cards 概览 + 上下文检索细节 = 主动服务
高级 AI 装两层:小本本记梗概(常驻眼前,JSON Cards),大柜子存细节(按需翻,上下文检索)。两种一联动,Agent 在你开口前就提醒「护照快过期」。你还没用上这套,那 AI 用 3 个月照样不记得你——这不叫 AI,这叫金鱼 2.0。
🎯 管理者视角(200 字)
这套架构对管理者的意义:不是"装个 AI 就能用",而是"AI 越用越懂你"是有工程代价的。要么你接受 AI 每次多花点钱调用 LLM 提取记忆(用户记忆),要么你花钱建一套能查的内部知识库(知识库 RAG),要么两者都上(双层架构)。衡量标准:你公司的 AI 能不能在 3 个月后还记住"老板不爱吃香菜",能不能主动告诉你"上周的合同还有 3 天到期"。做不到,就是缺这套架构。
📚 延展阅读(3 件套)
- 仓库原文 · 第 3 章用户记忆和知识库:github.com/bojieli/ai-agent-book/blob/main/book/chapter3.md
- 13 个配套实验 · chapter3 项目清单:github.com/bojieli/ai-agent-book/blob/main/chapter3/README.md
- 上下文感知检索 · Anthropic 49%/67% 数据点原文:anthropic.com/engineering/contextual-retrieval
漫画原创 CC-BY 4.0 · 仓库原文 Apache 2.0 · 标注来源即可自由使用