---
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]]