🏠

图检索与记忆存储库 (graph_retrieval_and_memory_repositories)

概述

这个模块是系统的"知识记忆与关联网络中心"，它解决了两个关键问题：

  1. 如何保存和检索对话历史中的上下文记忆，让AI能够像人一样"记得"之前讨论过的内容
  2. 如何表示和查询知识图谱，实现实体之间的关联推理和语义检索

想象一下这个模块就像一个智能图书馆员：

  • 记忆存储 就像保存你的阅读笔记和对话摘要，下次你提到相关话题时能快速回忆
  • 知识图谱 就像图书馆的主题关联图，当你查找"Python"时，它能告诉你相关的"机器学习"、"数据分析"等主题

架构概览

graph TB subgraph "图检索与记忆存储库" MemoryRepo["MemoryRepository
(记忆图谱存储)"] Neo4jRepo["Neo4jRepository
(知识图谱检索)"] end subgraph "依赖关系" Neo4jDriver["neo4j.Driver
(Neo4j数据库驱动)"] Types["types.*
(领域类型)"] Interfaces["interfaces.*
(接口定义)"] end MemoryRepo --> Neo4jDriver MemoryRepo --> Types MemoryRepo --> Interfaces Neo4jRepo --> Neo4jDriver Neo4jRepo --> Types Neo4jRepo --> Interfaces

这个模块由两个核心组件组成，它们共享相同的Neo4j数据库驱动，但服务于完全不同的业务场景：

  1. MemoryRepository：专注于对话记忆的存储与检索，将对话片段(Episode)、实体(Entity)和关系(Relationship)组织成记忆网络
  2. Neo4jRepository：专注于知识图谱的管理，提供图数据的增删改查能力

核心设计决策

1. 图数据库 vs 关系型数据库

选择：使用Neo4j图数据库而非传统关系型数据库 原因：

  • 记忆检索和知识查询本质上是图遍历问题，关系型数据库在处理多跳关联查询时性能会急剧下降
  • 图数据库的模式灵活性适合处理动态变化的实体类型和关系
  • Cypher查询语言能以非常直观的方式表达"找到与这些实体相关的对话"这类问题

2. MERGE而非CREATE

选择：在Cypher查询中大量使用MERGE而不是CREATE 原因：

  • 避免重复创建相同的实体节点
  • 实现幂等性操作，相同的数据多次写入不会产生副作用
  • 这对于知识更新和记忆补充场景至关重要

3. 事务封装

选择：每个操作都封装在独立的读写事务中 原因：

  • 保证图数据的一致性（节点和关系必须同时创建/删除）
  • 利用Neo4j的事务隔离机制防止并发冲突
  • 简化错误恢复流程

子模块

记忆图谱存储 (memory_graph_repository)

这是系统的"记忆宫殿"，负责存储对话历史中的关键信息片段，并建立它们之间的语义关联。

核心职责：

  • 保存对话片段(Episode)及其摘要
  • 提取和存储对话中提到的实体(Entity)
  • 建立实体之间、实体与对话片段之间的关联
  • 根据关键词检索相关的历史对话

关键操作流程： 当调用SaveEpisode时：

  1. 创建或更新Episode节点
  2. 为每个实体创建/更新Entity节点，并建立MENTIONS关系
  3. 在实体之间创建RELATED_TO关系

当调用FindRelatedEpisodes时：

  1. 从给定的关键词出发
  2. 找到提及这些关键词的Entity节点
  3. 通过MENTIONS关系找到关联的Episode节点
  4. 按时间排序返回结果

查看详细文档

Neo4j检索存储库 (neo4j_retrieval_repository)

这是知识图谱的"操作面板"，提供了对知识图数据的完整生命周期管理。

核心职责：

  • 将知识图数据导入Neo4j
  • 按命名空间删除知识图
  • 基于节点名称的模糊搜索
  • 图数据的批量处理

关键特性：

  • 使用APOC过程库进行高效的批量操作
  • 通过命名空间(namespace)实现多租户隔离
  • 支持节点标签的动态生成
  • 实现了软删除模式（通过批量删除实现）

查看详细文档

与其他模块的关系

上游依赖

  • core_domain_types_and_interfaces：定义了Episode、Entity、GraphData等领域模型
  • platform_infrastructure_and_runtime：提供Neo4j驱动的初始化和配置

下游使用者

  • application_services_and_orchestration 下的 conversation_context_and_memory_services：使用MemoryRepository保存和检索对话记忆
  • application_services_and_orchestration 下的 knowledge_ingestion_extraction_and_graph_services：使用Neo4jRepository管理知识图谱

新开发者注意事项

关键陷阱

  1. APOC依赖：Neo4jRepository大量使用了APOC库，确保你的Neo4j实例已安装并启用APOC
  2. 节点标签限制：标签名不能包含连字符，代码中有_remove_hyphen函数处理这个问题
  3. 空驱动处理：两个仓库都优雅处理了driver == nil的情况，返回无错误而非失败，这是为了支持可选的图数据库配置
  4. 时间格式：MemoryRepository使用RFC3339格式存储时间，确保你在其他地方解析时使用相同的格式

扩展点

  1. 实现新的记忆检索策略：当前FindRelatedEpisodes只做简单的关键词匹配，可以扩展为基于相似度的检索
  2. 添加图遍历深度控制：当前搜索只考虑直接关联，可以添加参数支持多跳查询
  3. 实现增量更新：当前的图数据更新是全量替换的，可以优化为增量更新

测试建议

  • 编写集成测试时，使用Neo4j的测试容器或内存实例
  • 特别关注并发写入场景下的事务隔离
  • 测试大规模图数据下的批量删除性能（当前使用apoc.periodic.iterate）
On this page