本项目记忆架构可直接迁移到以下行业场景：
| 行业场景 | 具体应用 | 与本项目能力的对应关系 |
|---|---|---|
| 个人效率 / AI 伴侣 | 桌面助手记住用户偏好（生日、习惯、项目背景），跨会话续聊 | 当前落地场景：`knowledge` 型记忆 + 自动对话摘要 |
| 企业客服 / 销售助手 | 将产品文档、话术、历史工单向量化，回复前检索相关知识 | 复用"文档入库 → 语义检索 → 上下文注入"同一管线 |
| 智能体记忆层 | 为 Agent 提供长期记忆（类 ChatGPT Memory / MemGPT） | 本项目正是"摘要→入库→检索→注入"的完整记忆闭环 |
| 垂直行业知识库问答 | 法律/医疗/教育等本地知识库问答（数据不出域） | 全本地运行架构天然满足合规要求 |
| 游戏 / 直播陪伴 | 桌面 AI 助手实时看屏（OCR/视觉）+ 语音对话 | 视觉理解 + 语音输入输出模块可直接复用 |
1. 长期记忆系统（核心亮点）
- 双存储设计：**SQLite（结构化事实源）+ ChromaDB 向量库（语义索引）**，同一份数据按两种方式存取，兼顾精确查询与语义召回；
- 三类记忆模型：`knowledge`（、`summary`（AI 自动生成的对话摘要）、`full_conversation`（完整对话存档），各自定义重要性(1–5)与分类；
- 启动时自动做 **双库一致性同步**：对比 SQLite 与向量库 ID 集合，自动补全缺失向量，解决"边聊边写"造成的漏写问题。
2. RAG 语义检索（核心亮点）
- 基于 ChromaDB（HNSW 索引、余弦相似度、512 维嵌入向量）实现语义检索，支持同义改写/口语化提问命中（超越关键词匹配）；
- 检索质量双保险：**Top-K 截断（K=3）+ 相似度阈值过滤（
| 层面 | 选型 | 说明 |
| 语言/框架 | Python 3.13 | 全项目 Python |
| 向量数据库 | **ChromaDB 1.5.9**（PersistentClient，HNSW + cosine，512 维） | 本地持久化，`data/vector_db/` |
| 关系存储 | SQLite（自建 schema） | 记忆事实源 + 标签表 + 访问计数 |
评论