待验证50% 置信事实精确时间
Semantic Memory 将对话内容通过 Embedding 存入向量数据库，检索时按语义相似度召回，其链路与 RAG 一致，区别在于知识来源是历史对话而非外部文档。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证共享记忆系统与传统消息队列或数据库方案的本质区别在于它需要支持语义感知74% 相似待验证语言模型的事实回忆呈现分层、有先后次序的信息整合流程：先锁定回答的类型框架，再将具体实体内容路由到输出位置72% 相似已验证长期记忆检索底层依赖向量数据库技术，通过Embedding模型将文本转化为高维向量71% 相似待验证大语言模型实现记忆的另一技术路径是借助外部向量数据库（如Pinecone、Weaviate）对学习记录进行语义检索并动态调取相关片段71% 相似待验证跨对话长期记忆需要一条管道：提取 → 合并 → 存储 → 注入。提取用独立的LLM调用从对话中抽取持久事实；合并时通过检索相似记忆让LLM决定ADD、UPDATE、DELETE或NOOP。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1060559API
curl https://kongchang.com/api/v1/knowledge/claims/1060559MCP
get_claim(id=1060559)