ai-agent-book/chapter3/README.hu.md

3. fejezet · Felhasználói memória és tudásbázis

Lehetővé teszi, hogy az ágens munkameneteken át emlékezzen a felhasználóra, és memórián, RAG-on, strukturált indexeken és tudásgráfokon keresztül külső tudáshoz férjen hozzá.

← Vissza a magyar főoldalhoz · 📖 A fejezet olvasása

Hogyan olvassuk a kísérleteket?

A törzsszöveg rövid mechanizmus-skeletonokkal magyarázza a vezérlési folyamatot; a kísérleti könyvtárakban találhatók a teljes SDK-adapterek, naplók, tesztek és átvételi bizonyítékok. Nem kell minden fájlt sorról sorra elolvasni.

• Starter: Kezdje a céllal, a minimális paranccsal és az átvételi feltételekkel; induljon innen: user-memory / retrieval-pipeline;
• Builder: Kövesse a belépési pontot, a fő ciklust, az állapot-/üzenetsémát, az eszközöket és az ellenőrzőt.
• Maintainer: Végül olvassa el a teszteket, a bizonyíték-manifeszteket, a hibakezelést, a visszaállítási útvonalakat és a provider-adaptereket.

Első olvasáskor átugorható a hitelesítő adatok betöltése, a megjelenítési réteg és a provider-kompatibilitás; a számok reprodukálásakor térjen vissza.

Kapcsolódó projektek

Kísérlet	Projekt	Típus	Leírás
3-1, 3-2	user-memory	✅	Hosszú távú felhasználói memóriát épít a preferenciákhoz és az interakciós előzményekhez.
3-1	user-memory-evaluation	✅	A felhasználói memóriarendszerek pontosságát, relevanciáját és hatékonyságát értékeli.
3-2	mem0 · memobase	✅	A Mem0 és Memobase keretrendszerekkel készült memóriaimplementációkat hasonlítja össze.
3-3	log-sanitization	✅	Helyi modellel észleli és maszkolja a naplókban lévő titkokat és személyes adatokat.
3-4	dense-embedding	✅	Az ANNOY és HNSW közelítő legközelebbi szomszéd indexeket hasonlítja össze.
3-5	sparse-embedding	✅	Ritka vektoros, BM25-alapú keresőmotort valósít meg az alapoktól.
3-6	retrieval-pipeline	✅	A sűrű és ritka visszakeresést neurális újrarangsorolással egyesíti.
3-7	structured-index	✅	A RAPTOR és GraphRAG strukturált indexelési megközelítéseit veti össze.
3-8	agentic-rag	✅	A hagyományos RAG-ot hasonlítja össze az iteratív visszakeresést végző Agentic RAG-gal.
3-9	agentic-rag-for-user-memory	✅	Agentic RAG-ot alkalmaz munkameneteken átívelő beszélgetési előzmények visszakeresésére.
3-10	contextual-retrieval	✅	Kontextuselőtagot ad a szövegrészletekhez a visszakeresési hibák csökkentésére.
3-11	contextual-retrieval-for-user-memory	✅	Az Advanced JSON Cards és Contextual RAG megoldásokat kétrétegű memóriává egyesíti.
3-12	structured-knowledge-extraction	✅	Döntési tényezőket és esetprototípusokat nyer ki bírósági határozatok adathalmazából.

Projekttípusok

Ikon	Típus	Jelentés
✅	Önálló	A teljes kód a repository-ban található, és az API-kulcsok beállítása után futtatható.
📖	Reprodukciós útmutató	Külső repository szükséges, amelyet külön kell git clone paranccsal letölteni.
🚧	Folyamatban	Az implementáció vagy az elfogadási bizonyíték még nem teljes.