相信有很多正在开发AI角色功能的朋友经常会遇到这样的问题，就是应该如何设计AI的记忆系统。

常用的方法就是使用RAG，但是这种办法需要额外再加个向量化的模型、还得做个向量化的数据库，先不说丧失了记忆产生关联的可解释性，连模型的选取可能也是个问题。因此，我希望设计一种逻辑清晰简单、记忆的关联可追溯可解释的AI记忆系统。

什么是RAG？为什么它不好用？

RAG（检索增强生成）是当前最流行的知识增强方案。它的工作原理很简单：当用户提问时，系统会先从知识库中检索相关信息，然后把这些信息连同问题一起交给AI模型来生成回答。

这听起来很合理，但问题出在实施细节上——特别是文本分块和向量化这两个关键步骤。

文本分块的困境让AI变得“断章取义”。想象一下，把一本教科书随机撕成大小相等的碎片，然后让你从碎片中找出某个问题的答案。这就是RAG面临的处境：

逻辑连贯的内容被无情切割

论点与论据被强行分离

关键信息散落在不同的碎片中

“虽然…但是…”的转折关系从“但是”处被切断

向量化的语义失真更是雪上加霜。向量检索基于一个天真的假设：语义相似的文本在向量空间中也彼此接近。但现实是：

“苹果”作为科技公司与“苹果”作为水果，在向量空间中难以区分

“不建议使用”与“建议使用”可能获得相似的向量表示

专业术语和否定结构经常被误解

真正重要的信息被大量普通内容“稀释”。

于是我打算使用一个新的思路：让AI主动回忆。

开始对话时，AI基于预设人设和当前上下文自然交流。随着对话深入，AI开始主动总结你们的交流要点。重要的是，它不是全量总结，而是根据当前话题，智能地提取相关记忆，最终形成结构化的知识数据。

在回忆的时候，不再通过对向量化数据进行匹配的方法来实现、而是直接让AI像人类使用搜索引擎或者在代码仓搜索代码一样，生成可能的关键词，然后在结构化的记忆中搜索匹配相应的记忆数据。然后让AI读取搜索到的内容是否有用，如果没有用则换几个关键词再搜，实在没有相关记忆则仅仅根据人设和上下文回答对话。

这个方法听上去很土，但逻辑是十分清晰的，我的目的就是让AI模仿人类查资料一样，直接让LLM模仿人类思考的逻辑去想出关键词、搜索相关文本，而不是通过向量匹配。

我计划就基于这个思路，做一个完全开源的AI记忆系统。根据上次公众号和小红书的反馈、我现在选择使用Python来完成这个项目。

但是这次开源计划我希望采用一种更有意思的创作方法。我会先写好Readme文档，并搭建起一个基础框架。

然后发起一个AI编程接力活动，邀请四位朋友作为这个项目代码仓的

Committer，通过AI辅助编程的方式共同完成这个记忆系统。

一个人写完之后需要确保代码可用，不需要效果十分完美，但不能有阻塞功能的bug，不用把所有功能都做了，可以只做一个功能。一个人写完之后需要把自己使用的AI工具和实现思路写在文档里面。每个人只写两小时，共计八小时，看看我们最终能够做出什么效果。

​最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​