待验证50% 置信事实精确时间
应对大模型无状态的主流方式分为三类：将历史对话直接拼接进上下文窗口、使用向量数据库将记忆编码为嵌入向量后检索、让模型自主判断哪些信息值得写入持久化存储再按需读取
1
来源数
50%
置信度
长期有效
时效性
2026/9/18
首次发现
来源
涉及实体
相关事实
已验证向量记忆数据库将历史对话内容转化为高维语义向量，在新对话时以相似度检索方式动态召回相关记忆片段并注入上下文窗口75% 相似待验证解决大语言模型上下文窗口有限的主流方案包括向量数据库检索增强生成（RAG）、摘要压缩以及外部记忆存储71% 相似待验证在 LLM 场景下，黑板系统思路以共享内存或向量数据库形式复现，使用 Pinecone、Weaviate 等向量数据库存储中间知识片段供语义检索71% 相似待验证向量数据库是支撑Agent长期记忆的关键基础设施，文本通过嵌入模型转换为高维向量，语义相近的文本在高维空间中距离更近70% 相似待验证持久记忆通常依赖向量数据库实现语义检索，通过Embedding模型将信息转化为高维稠密向量存储于Qdrant、Pinecone、Weaviate、Chroma等69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/931829API
curl https://kongchang.com/api/v1/knowledge/claims/931829MCP
get_claim(id=931829)