新闻详情

新闻详情

首页 / 资讯中心 / 详情

146、图数据库与Agent记忆

发布时间:2026/11/17 22:31:09来源:尧图网络
146、图数据库与Agent记忆
146、图数据库与Agent记忆调试这个问题,我从凌晨三点半开始。Agent明明记住了用户说过“最近在准备雅思”,但到了第五轮对话,它突然问用户“你最近在忙什么”。不是没记,是记忆检索的时候,那把“雅思”和“备考”“出国”串起来的因果链断了。向量数据库的top-k召回,把“雅思”这个embedding拉回来了,但“为什么准备雅思”以及“雅思和他上次抱怨的工作压力有什么关系”这种多跳关系,完全丢了。那一刻我意识到,用单纯向量存记忆,就像把一大抽屉的纸条倒进了一个桶里,你只能闻到“纸条”的味道,却永远找不回那张写着“因为想转行去外企”的纸条。后来我把Agent记忆的存储结构改成了图数据库。图数据库这玩意儿,刚接触的时候觉得它就是个花架子,无非是节点和边,有什么稀奇。但当你真正用Cypher写出一条跨三层的路径查询时,那种“从记忆碎片里焊出一条逻辑链”的爽感,是任何KV存储都给不了的。这篇笔记,我想把图数据库怎么和Agent记忆结合起来这件事,从踩坑到落地,掰开揉碎讲清楚。先说为什么非得是图。向量数据库擅长找“相似的”,但不擅长找“相关的”。“相似”是embedding空间里的距离,“相关”是实体之间的语义连接。用户说“我喜欢喝手冲咖啡”,又说“最近总是失眠”,这两句话的向量距离可能很远,但如果你在图里建立“手冲咖啡”和“失眠”之间的潜在关系——咖啡因影响睡眠——那Agent就能在用户下次说“今天不喝咖啡了”时,接上一句“是因为失眠吗?”这种关联,就是图数据库的看家本领。当时我设计的第一版schema,简单粗暴:一个Memory节点,一个Entity节点,Memory通过HAS_ENTITY指向Entity。想着还挺美,结果跑了一周,图里出现了两千多个“
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉