Agent 教程笔记（Task03）
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
记忆与检索系统设计包括工作记忆、情景记忆、语义记忆和感知记忆，支持个性化服务。RAG系统通过外部知识库增强模型能力，结合多查询扩展和假设文档嵌入提高检索精度，形成完整闭环。
🔎
延伸解读
记忆系统的多层架构
记忆系统采用四层架构，分别是工作记忆、情景记忆、语义记忆和感知记忆。这种设计不仅模仿人类的记忆方式，还能有效存储和管理不同类型的信息，提升智能体的个性化服务能力。用户在使用时应关注每种记忆类型的特点，以便更好地利用系统的功能。
RAG系统的检索优势
RAG系统通过从外部知识库检索信息，显著增强了模型的生成能力。其高级检索策略如多查询扩展和假设文档嵌入，能够提高检索的召回率和精度。这对于需要获取最新信息或专业知识的用户尤为重要，能够有效解决内置知识的局限性。
记忆管理的生命周期
记忆系统的生命周期管理包括编码、存储、检索、整合和遗忘等环节。用户在使用MemoryTool时，可以根据重要性和时间选择性遗忘不再需要的信息，从而优化存储空间和提高检索效率。这种灵活性使得系统能够更好地适应用户的需求和变化。
❓
Q&A
记忆与检索系统设计的四种记忆类型是什么？
四种记忆类型包括工作记忆、情景记忆、语义记忆和感知记忆。
RAG系统如何增强模型的能力？
RAG系统通过外部知识库检索相关信息，结合多查询扩展和假设文档嵌入提高检索精度。
工作记忆的特点是什么？
工作记忆存储临时信息，容量有限，主要用于存储当前对话的上下文信息。
MemoryTool提供哪些核心操作？
MemoryTool提供的操作包括添加、搜索、遗忘、整合、获取摘要和统计信息。
高级检索策略中的多查询扩展有什么优势？
多查询扩展可以提升召回率30%-50%，避免因用词差异导致的遗漏。
如何实现个性化学习支持？
个性化学习支持基于学习历史的推荐和学习报告生成。
🏷️
