ai-agent-book 精选快照（<2MB 代码与文档，来自 github.com/bojieli/ai-agent-book）

2026-08-20 13:12:50 +00:00
commit b119135836
10275 changed files with 3284984 additions and 0 deletions
@@ -0,0 +1,41 @@
+# Bab 3 · Memori Pengguna dan Knowledge Base
+
+> Memungkinkan Agent mengingat pengguna lintas sesi dan mengakses pengetahuan eksternal melalui memori, RAG, indeks terstruktur, dan knowledge graph.
+
+← [Kembali ke README utama](../docs/id/README.md) · 📖 [Baca bab](../book-id/chapter3.md)
+
+## Cara Membaca Eksperimen
+
+Teks utama memakai skeleton mekanisme singkat untuk menjelaskan alur kontrol; direktori eksperimen berisi adapter SDK lengkap, log, pengujian, dan bukti penerimaan. Anda tidak perlu membaca setiap berkas baris demi baris.
+
+- **Starter:** Mulai dari tujuan, perintah minimum, dan syarat penerimaan; awali dengan [user-memory](user-memory/) / [retrieval-pipeline](retrieval-pipeline/);
+- **Builder:** Telusuri titik masuk, loop inti, skema status/pesan, alat, dan verifier.
+- **Maintainer:** Terakhir, baca pengujian, manifest bukti, penanganan kegagalan, rollback, dan adapter provider.
+
+Pada pembacaan pertama, lewati kredensial, presentasi, dan kompatibilitas provider; kembali saat mereproduksi angka.
+
+## Proyek Pendamping
+
+| Eksperimen | Proyek | Jenis | Deskripsi |
+| :--: | --- | :--: | --- |
+| 3-1, 3-2 | [user-memory](user-memory/) | ✅ | Membangun memori pengguna jangka panjang untuk preferensi dan riwayat interaksi. |
+| 3-1 | [user-memory-evaluation](user-memory-evaluation/) | ✅ | Mengevaluasi akurasi, relevansi, dan efektivitas sistem memori pengguna. |
+| 3-2 | [mem0](mem0/) · [memobase](memobase/) | ✅ | Membandingkan implementasi memori menggunakan framework Mem0 dan Memobase. |
+| 3-3 | [log-sanitization](log-sanitization/) | ✅ | Mendeteksi dan menyamarkan secret serta PII pada log dengan model lokal. |
+| 3-4 | [dense-embedding](dense-embedding/) | ✅ | Membandingkan indeks approximate nearest neighbor ANNOY dan HNSW. |
+| 3-5 | [sparse-embedding](sparse-embedding/) | ✅ | Mengimplementasikan mesin pencarian sparse berbasis BM25 dari awal. |
+| 3-6 | [retrieval-pipeline](retrieval-pipeline/) | ✅ | Menggabungkan dense retrieval, sparse retrieval, dan neural reranking. |
+| 3-7 | [structured-index](structured-index/) | ✅ | Membandingkan RAPTOR dan GraphRAG sebagai pendekatan pengindeksan terstruktur. |
+| 3-8 | [agentic-rag](agentic-rag/) | ✅ | Membandingkan RAG tradisional dengan Agentic RAG yang melakukan retrieval iteratif. |
+| 3-9 | [agentic-rag-for-user-memory](agentic-rag-for-user-memory/) | ✅ | Menerapkan Agentic RAG untuk mengambil riwayat percakapan lintas sesi. |
+| 3-10 | [contextual-retrieval](contextual-retrieval/) | ✅ | Menambahkan prefix context pada chunk untuk mengurangi kegagalan retrieval. |
+| 3-11 | [contextual-retrieval-for-user-memory](contextual-retrieval-for-user-memory/) | ✅ | Menggabungkan Advanced JSON Cards dan Contextual RAG menjadi memori dua lapis. |
+| 3-12 | [structured-knowledge-extraction](structured-knowledge-extraction/) | ✅ | Mengekstraksi faktor keputusan dan prototipe kasus dari dataset putusan hukum. |
+
+## Jenis Proyek
+
+| Ikon | Jenis | Arti |
+| :--: | --- | --- |
+| ✅ | **Mandiri** | Kode lengkap tersedia di repositori dan dapat dijalankan setelah API Key dikonfigurasi. |
+| 📖 | **Panduan Reproduksi** | Memerlukan repositori eksternal yang harus di-`git clone`. |
+| 🚧 | **Dalam Proses** | Implementasi atau bukti penerimaan belum lengkap. |