20260625:很多新内容

concepts/memory-indexing-retrieval-reading.md

@@ -0,0 +1,67 @@
+---
+title: "Memory Indexing-Retrieval-Reading Framework"
+created: 2026-06-25
+updated: 2026-06-25
+type: concept
+tags: ["memory", "architecture", "rag", "framework"]
+sources:
+  - "[[longmem-eval-2025]]"
+---
+
+# Memory Indexing-Retrieval-Reading Framework
+
+LongMemEval 提出的统一记忆设计框架，将长期记忆系统分解为三个阶段 × 四个控制点。
+
+## 三阶段流水线
+
+```
+会话输入
+  ↓
+[Indexing]  → 存储结构化的记忆表示
+  ↓
+[Retrieval] → 根据查询召回相关记忆
+  ↓
+[Reading]   → 基于检索结果生成准确答案
+```
+
+## 四个控制点
+
+| 控制点 | 决策 | 优化方向 |
+|--------|------|---------|
+| **Value** | 存储什么粒度？ | Session vs Round vs User Fact |
+| **Key** | 用什么索引？ | 原文 vs [[fact-augmented-key-expansion|事实增强]] |
+| **Query** | 如何构造查询？ | 原文 vs [[time-aware-query-expansion|时间感知展开]] |
+| **Reading Strategy** | 如何利用检索结果？ | 直接 vs Chain-of-Note + 结构化格式 |
+
+## 实验发现的优化路径
+
+### Value：Round 是最优粒度
+- Session 级别：信息损失大，无法精确回溯
+- Round 级别：每个用户消息为独立单元，最优平衡
+- User Fact 级别：压缩导致信息损失，总体精度反降（但多会话推理提升）
+
+### Key：事实增强展开
+用 LLM 从对话中提取结构化事实作为索引键 → 召回 +9.4%
+
+### Query：时间感知展开
+关联时间戳 + 缩小搜索范围 → 时间推理召回 +6.8-11.3%
+
+### Reading：Chain-of-Note + 结构化
+即使完美召回 ≠ 完美利用 → +10 个绝对百分点
+
+## 与 Atlas 管线的映射
+
+```
+LongMemEval        Atlas
+───────────       ─────
+Indexing    →     write_memory (episodic)
+  + Key展开  →     consolidation (→semantic)
+Retrieval   →     recall_memory (BM25+dense)
+Reading     →     LLM 利用检索结果生成回复
+```
+
+## 参考
+- [[longmem-eval-2025]]
+- [[fact-augmented-key-expansion]]
+- [[time-aware-query-expansion]]
+- [[atlas-memory-system]]