博客园教程拆解 Reverie 记忆系统的 RAG 实现
热点事件持续更新
博客园教程拆解 Reverie 记忆系统的 RAG 实现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
「绝不原创的飞龙」在博客园发布技术教程，基于 Reverie（幻梦）src/memory/ 源码，逐段讲解该记忆系统的写入、检索与遗忘管线，并给出基于 sqlite-vec 的可运行迷你版 RAG 记忆库代码。 写入管线按情绪、关键词、重复等维度打分，经自治门分流到永久、长期、短期三层；检索时结合向量召回与词法召回并融合打分（相似度权重 0.62、词法 0.16、重要度 0.08 等），选出最多 k 条、约 3600 字符的记忆注入 system prompt，使 AI 具备「会遗忘」的长期记忆。 教程难度标注为★★☆☆☆，面向有 Python 基础、想理解 RAG 与长期记忆的读者，建议在 venv 中安装 sqlite-vec 与 sentence-transformers 后运行。
AI 根据报道生成 · 1 小时前更新
最新进展11月1日 04:56
Reverie 记忆系统原理与 RAG 实现：给 AI 装上「会遗忘」的记忆报道时间线
沿着报道，了解事件的不同侧面。
11月1日
- 博客园Reverie 记忆系统原理与 RAG 实现：给 AI 装上「会遗忘」的记忆
本文基于 Reverie（幻梦）源码，完整拆解了用 RAG 为 LLM 构建长期记忆系统的两条管线：写入时按情绪、关键词、重复等打分并经自治门分流到永久/长期/短期三层，检索时用向量召回、词法召回加融合打分（相似度×0.62、词法×0.16、重要度×0.08 等）选出最多 k 条、约 3600 字符的记忆注入 system prompt。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。