<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[df007df的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/df007df</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; df007df]]></copyright><item><title><![CDATA[【大模型记忆-Mem0详解-8】核心组件-内存域]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151761433</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151761433</guid><author>df007df</author><pubDate>Tue, 16 Sep 2025 18:26:10 +0800</pubDate><description><![CDATA[Mem0· 中的内存作提供 CRUD（创建、读取、更新、删除）功能以及高级搜索功能。Python SDK：同步和异步客户端类REST API：所有作的 HTTP 端点批量作 ：高效批量处理多个存储器搜索作 ：向量相似性和基于元数据的筛选所有内存作都支持元数据、筛选、版本控制和历史记录跟踪。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-7】核心组件-工厂系统]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151761238</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151761238</guid><author>df007df</author><pubDate>Tue, 16 Sep 2025 17:53:07 +0800</pubDate><description><![CDATA[工厂系统由四个主要工厂类组成，用于处理跨不同组件类型的提供程序的动态实例化。每个工厂在创建实例之前维护提供程序映射并处理配置验证。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-6】核心组件-图形记忆]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151759772</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151759772</guid><author>df007df</author><pubDate>Tue, 16 Sep 2025 17:42:58 +0800</pubDate><description><![CDATA[Graph Memory 与 Mem0 的向量存储一起作为并行存储系统运行，自动从对话数据中提取实体和关系并将其存储在图形数据库中。该系统使用 LLM 进行实体提取和关系建立，然后将结构化数据存储在支持的图形数据库中。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-5】核心组件-内存类，内存客户端]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151076518</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151076518</guid><author>df007df</author><pubDate>Mon, 01 Sep 2025 17:28:10 +0800</pubDate><description><![CDATA[Mem0 内存系统采用模块化架构，支持同步/异步操作和LLM驱动的自动内存管理。核心组件包括会话管理、向量存储、SQLite历史跟踪和LLM事实提取。系统通过工厂模式实例化组件，支持多种内存类型处理，并提供Python/TypeScript SDK。MemoryClient作为平台接口，处理身份验证和API请求格式化，实现完整的内存CRUD操作和语义搜索功能。系统采用统一的请求处理管道，包含遥测捕获和错误处理机制。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-4】核心组件]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151075973</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151075973</guid><author>df007df</author><pubDate>Mon, 01 Sep 2025 17:07:58 +0800</pubDate><description><![CDATA[mem0系统提供了内存管理的核心架构，包含Memory和MemoryClient两个主要类。系统采用工厂模式动态创建LLM、嵌入模型等组件实例，支持灵活扩展。存储层由SQLiteManager、VectorStore、GraphStore和MemoryGraph组成，分别处理历史记录、语义搜索和图关系存储。内存操作流程协调向量存储和图存储系统，实现添加、搜索等核心功能。系统通过LLM驱动的工具从非结构化文本中提取结构化信息，构建知识图谱。整个架构支持开源部署和托管平台交互两种场景。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-3】安装和设置]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151075528</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151075528</guid><author>df007df</author><pubDate>Mon, 01 Sep 2025 16:55:37 +0800</pubDate><description><![CDATA[Mem0 提供了两种不同的部署路径，具有不同的安装要求和设置过程：两个部署路径都使用相同的核心包，但需要不同的配置方法。
JavaScript/TypeScript 安装

该包为平台与开源使用提供了不同的导入路径：托管平台只需要一个 API 密钥，并使用  或  类。

开源设置
开源部署使用 Memory 类，需要配置 LLM 和嵌入提供程序。

提供程序配置架构
不同的提供程序需要配置特定的环境变量。
配置示例
Anthropic Claude 与 OpenAI 嵌入

使用 Ollama 进行本地设]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-2】系统架构]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151069532</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151069532</guid><author>df007df</author><pubDate>Mon, 01 Sep 2025 16:43:01 +0800</pubDate><description><![CDATA[托管平台 ：通过 MemoryClient 和 AsyncMemoryClient 类访问的托管服务开源 ：以 Memory 类为中心的自托管组件，具有可插拔提供程序此架构使开发人员能够在完全托管的解决方案或完全控制其内存基础结构之间进行选择，同时在两种部署模型中保持一致的 API。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-Mem0详解-1】概述]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/151049563</link><guid>https://blog.youkuaiyun.com/df007df/article/details/151049563</guid><author>df007df</author><pubDate>Sun, 31 Aug 2025 22:26:04 +0800</pubDate><description><![CDATA[Mem0是一个将无状态AI应用转化为有状态系统的智能记忆平台，提供持久记忆、多级存储和语义搜索等功能。其核心架构支持托管服务和自托管两种部署模式，采用工厂模式实现灵活组件配置。系统包含工作记忆、事实记忆等四种类型，通过LLM实现智能记忆管理。Mem0显著优化了性能，减少90%令牌使用并提升91%响应速度，同时作为中央记忆层与多种AI框架集成。平台支持向量数据库、图数据库等多种存储后端，为AI应用提供全面的记忆管理解决方案。]]></description><category></category></item><item><title><![CDATA[【大模型记忆-1】LangMem核心概念]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150954319</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150954319</guid><author>df007df</author><pubDate>Thu, 28 Aug 2025 16:43:13 +0800</pubDate><description><![CDATA[如果系统过度提取，当您的智能体需要搜索存储时，可能会导致记忆的精确度降低。“潜意识”记忆形成指的是在对话发生后（或在一段时间不活动后）提示 LLM 对话进行反思，从而发现模式和提取见解，而不会减慢即时互动或增加智能体工具选择决策的复杂性。在使用 LangMem 的有状态操作符或平台服务时，存储系统建立在 LangGraph 的存储原语之上，提供了一种灵活而强大的方式来组织和访问记忆。LLM 应用中的记忆可以反映人类记忆的某些结构，每种类型在构建自适应、具备上下文感知能力的系统中都扮演着独特的角色。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-30】构建系统和 CI/CD]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150864872</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150864872</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 17:31:18 +0800</pubDate><description><![CDATA[RAGFlow采用多阶段Docker构建系统，支持完整版和精简版两种镜像变体，并通过优化缓存策略提升构建效率。项目使用Python脚本管理外部依赖下载，包括ML模型和系统库等。持续集成工作流涵盖静态分析、多后端测试和分级测试策略。发布自动化系统支持版本发布和每日构建，同步推送Docker镜像和PyPI包。灵活的版本管理系统结合Git标签和构建文件，确保开发和生产环境的一致性。构建系统还针对不同CPU架构进行了优化，支持x86和ARM平台。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-29】Docker 部署]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150863090</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150863090</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 17:17:51 +0800</pubDate><description><![CDATA[RAGFlow采用Docker Compose多服务架构，核心配置定义在docker-compose.yml中，包含应用服务器、任务执行器和基础设施服务。系统通过entrypoint.sh脚本实现灵活服务配置，支持多种部署模式（全栈/仅API/任务节点/MCP集成）。配置管理采用模板化环境变量替换，MCP服务器提供外部工具集成能力，支持文档检索功能。部署方案支持单节点开发到分布式处理场景，任务执行器使用jemalloc进行内存优化，并通过唯一主机ID实现分布式协调。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-28】部署和基础设施]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150862001</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150862001</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 16:53:07 +0800</pubDate><description><![CDATA[RAGFlow采用Docker多阶段构建和Compose编排部署，支持完整/轻量级部署变体。系统包含Web服务、任务执行器和可选的MCP服务器模块，通过入口点脚本实现灵活配置。构建过程通过GitHub Actions实现CI/CD流程，包含测试和发布工作流。MCP服务器提供标准化的AI模型接口，支持自托管和主机两种部署模式。系统实现动态版本检测机制，并依赖多个基础设施服务，通过健康检查确保正确启动顺序。部署配置支持中国镜像选项优化网络访问。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-26】Python SDK]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150861488</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150861488</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 16:42:32 +0800</pubDate><description><![CDATA[RAGFlow Python SDK 为开发者提供了与RAGFlow HTTP API交互的编程接口，支持知识库管理、文档处理和对话式AI功能集成。该SDK采用模块化设计，包含知识库、聊天和代理等核心客户端类，支持API密钥、会话登录和OAuth等多种认证方式。提供同步/异步操作模式，具有结构化错误处理机制，适用于Web应用、批处理系统等场景。开发者可通过PyPI安装，SDK架构与HTTP API保持一致，简化了REST API调用过程。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-25】HTTP 接口]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150858491</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150858491</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 16:34:45 +0800</pubDate><description><![CDATA[本文介绍了基于Flask构建的HTTP API系统架构和功能模块。该系统采用API密钥进行身份验证，通过模块化蓝图组织功能，主要包含数据集管理、文档处理、块管理、聊天助手和会话管理五大核心模块。数据集模块支持知识图谱操作，文档模块处理文件上传解析，块模块提供细粒度内容控制，聊天和会话模块实现对话式AI功能。系统采用标准化错误处理机制，提供Python SDK封装API调用，并兼容OpenAI接口格式。所有端点遵循RESTful设计，返回统一JSON响应结构，支持流式传输和非流式请求处理。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-24】API 参考]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150858251</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150858251</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 15:30:59 +0800</pubDate><description><![CDATA[RAGFlow API架构采用分层设计，包含认证授权、核心API和数据处理层。系统提供基于API密钥的认证机制，并划分数据集管理、文档处理、聊天会话等六大功能模块。采用标准化请求响应流程，支持OpenAI兼容接口，便于集成。Python SDK封装了底层API调用，提供面向对象接口。错误处理系统定义规范状态码，涵盖参数校验、权限控制等场景，确保一致性的错误反馈。整个架构强调模块化设计，兼顾功能完整性与开发便利性。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-23】聊天系统架构]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150857394</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150857394</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 15:25:03 +0800</pubDate><description><![CDATA[本文介绍了一个基于React的聊天系统架构，采用SSE实现实时消息流，支持多种交互模式。系统核心包括分层组件结构、基于钩子的状态管理和消息生命周期管理，实现URL驱动导航和乐观更新。特色功能包括多模型并发对话、可嵌入聊天小部件及与RAGFlow子系统的深度集成，通过统一消息接口连接知识库、LLM管理等模块，支持文件上传、多租户隔离等扩展能力。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-22】聊天界面]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150856615</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150856615</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 15:05:40 +0800</pubDate><description><![CDATA[本文介绍了基于React和SSE技术的实时聊天系统架构。系统采用分层设计，前端通过React构建，后端采用SSE实现实时消息流。核心功能包括：1）消息流系统处理用户输入和AI响应；2）使用useSendMessageWithSse钩子管理SSE连接生命周期；3）UI组件架构包含消息显示、输入和控制模块；4）对话管理系统通过对话和会话层次组织交互；5）集成知识库和LLM实现智能响应。系统支持Markdown渲染、文档引用、文件上传等功能，通过URL参数维护聊天状态，实现了高效的实时通信体验。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-14】知识图谱处理]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150855705</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150855705</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 14:47:19 +0800</pubDate><description><![CDATA[本文介绍了一个基于知识图谱的处理系统架构，该系统采用四阶段工作流（子图生成、图合并、实体解析和社区检测）。系统通过抽象Extractor类实现两种提取器，支持并发处理和分布式存储。关键特性包括：1）使用Leiden算法进行社区检测并生成结构化报告；2）多级缓存和并发控制优化性能；3）支持轻量级和常规两种提取方法。系统通过配置驱动的解析器设置实现灵活定制，并采用trio异步原语实现高效的资源管理。该架构有效平衡了处理效率与功能完整性，适用于复杂的知识图谱处理任务。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-13】RAG 管道]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150854610</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150854610</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 14:24:39 +0800</pubDate><description><![CDATA[RAG 管道架构通过多阶段处理将文档转换为结构化知识图谱，支持两种提取方法：轻量级（Light）和常规（GraphRAG）。系统包含实体解析、图谱合并、多层存储等功能，并与 RAPTOR 分层处理集成。标准化数据格式支持多种检索模式，包括关键词、向量和图查询。该架构实现了从文档到知识图谱的转换，并兼容 RAGFlow 检索系统，提供灵活的查询方式。]]></description><category></category></item><item><title><![CDATA[【RAGFlow代码详解-12】知识库 API]]></title><link>https://blog.youkuaiyun.com/df007df/article/details/150853435</link><guid>https://blog.youkuaiyun.com/df007df/article/details/150853435</guid><author>df007df</author><pubDate>Tue, 26 Aug 2025 14:09:14 +0800</pubDate><description><![CDATA[该知识库API基于Flask蓝图实现，提供完整的知识库生命周期管理功能。系统采用多租户架构，通过Flask-Login进行身份验证，并支持基于装饰器的权限控制。核心功能包括知识库CRUD操作、标签管理、知识图谱处理以及元数据操作，与多种存储后端（文档存储、文件存储）深度集成。API提供标准化的错误处理和响应格式，支持分页查询、字段验证和文档处理状态跟踪。特别实现了PageRank同步、重复名称处理等业务逻辑，通过工厂模式适配不同云存储服务，满足企业级知识管理的需求。]]></description><category></category></item></channel></rss>