过去6个月，我一直在为AI agent（主要是Claude Code）维护自己的对话、语音录音、文档等归档。目前，当我提问或它回答时，会运行一个hook去检查之前的对话，列出可能相关的对话。目的不仅是检索相关记忆，还希望能把两段或多段看似无关的对话连接起来，从中提取某种模式或洞见。换句话说，我希望模型能部分地“跑题”，但是往好的方向跑……举个例子：假设我提到投资OKLO作为潜在10倍股的话题。我说我会保持小仓位但不设止损，只是时不时加仓。我希望模型能想起我也经常从我喜欢的几家小餐馆买东西，只是为了让他们活下去。也许把这两件事联系起来，能看出从某个角度看，我可能对花钱有一致的看法。我甚至还有几段正好讨论这个话题的对话，只是没有用相似的关键词。我感觉障碍可能在于，模型想不出这段对话可以往哪个方向发展，才能上升到关于我资本哲学的更宽泛（或更深层）的话题？我不确定。这些是我试过的方法：1. Personalized PageRank 2. Hebbian边强化（在打开过的对话之间） 3. 字符n-gram TF-IDF相似度 4. 在我的对话上训练的对比嵌入 5. 在词共现图上做查询扩展 6. 基于共享动词的匹配 7. 意外发现槽位 8. 简单的agentic搜索 9. 把每条消息抽象成一句与领域无关的话 10. 关键词搜索 + LLM判断 11. BGE-M3这些都没能真正达到我描述的程度。它在获取相关记忆方面确实效果很好。搜索应该快速、轻量，因为读取历史本身就要花时间，所以没法在之上再承担很长的搜索时间。我在多设备上运行，所以应该便于移植。对这种方法有什么建议或想法吗？ 仓库的公开版本： https://github.com/milez770/madeleine 评论URL：https://news.ycombinator.com/item?id=50361973 点数：1

评论数：0