大模型的“记忆”不应仅仅只依靠向量数据库，mem0是一个很好的“融合架构”实践方向

文章预览

我们在探讨大模型应用的成败时，我们往往会聚焦于三个关键要素：模型本身的性能、支撑长期记忆能力的知识库，以及扩展执行能力的工具箱。企业级层面更多因素参考下图： 感兴趣可以联系获取更多细节 就为大模型构建记忆能力来讲，过去一年里我们的重点落在向量检索层面，其存储底层焦点就是向量数据库，曾一度爆发向量数据库大战。随着需求的复杂化，我们越来越清楚地意识到，大模型的记忆能力仅仅依赖向量数据库是不够的。在今年，随着GraphRAG的爆火，知识图谱融合到RAG中变成一个新的热点，这也反映了在此领域的发展趋势。 融合"记忆"架构 从笔者来看，不论是向量数据库，图数据库，KV数据库，以及关系数据库，他们都各有所长，都可以为大模型提供特有的上下文供给，比如检索一个问题可以知识图谱构建骨架，向量数据库来联 ………………………………