agmem · 分层知识检索

知识增量处理 · 语义缓存 · 版本一致性

目标与范围

把文档与人工录入的知识转化为带来源的可检索条目，供研发 FAQ 和本地 Agent 复用。相同问题通过精确缓存减少模型调用，近义问题通过向量比较复用检索结果，知识变化通过版本校验阻止旧缓存继续返回。

用户侧 agmemd 先获取云端知识版本，再用本地模型生成问题向量；在同一目录范围内，扫描 SQLite 缓存中的历史问题向量，取余弦相似度最高的一条。只有相似度严格超过阈值且知识版本相同，才返回已有结果。云端服务则先比较精确缓存，未命中后才生成查询向量，比较近义缓存或进入共享索引。

命中分支直接返回。经本地守护与直接调用云端是两种入口；本地命中仍需一次云端版本校验，并不等同于离线回答。

Wiki 同步通过文档编辑时间判断变化，只读取新增或更新文档的正文并分段入队。手动写入按原文去重；Wiki 换版保留与旧版相同的段，避免删除旧版本后丢失未修改内容。异步 Worker 保存原文向量，清洗出独立知识条目，校验事实锚点，再写入向量与稀疏索引；完成记录后推进知识版本。

共享索引保存知识条目，本地缓存保存历史查询结果。版本增长使旧结果在后续查询时失效，增量同步发生在知识源与云端之间。

分层减少重复工作：精确缓存避免再次计算 embedding；语义缓存复用近义问句的检索结果；共享索引提供 dense 与 BM25 混合检索及结果折叠。
版本门控：相似度阈值默认 0.8、可配置；版本必须一致。agmemd 的版本接口失败或模型未就绪会明确报错；服务端版本读取失败时跳过缓存，继续索引检索。
上下文复用：清洗按规则、知识快照、目录背景、目标正文组织前缀，同目录轮次冻结背景，兼顾重复知识识别和模型前缀缓存。
有界本地存储：结果与问题向量写入 SQLite，按最近使用时间淘汰，容量上限可配置；无需将完整共享知识库复制到每个用户设备。

架构依据实际查询、同步与清洗代码整理。文档换版采用先入队再删旧，索引写入与版本更新分步执行，属于异步可见的更新流程。语义相近不保证答案等价，需要结合知识域评估阈值；本页不把单次检索耗时或缓存命中率作为普遍性能承诺。