myWiki/concepts/memory-indexing-retrieval-reading.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
Memory Indexing-Retrieval-Reading Framework	2026-06-25	2026-06-25	concept	memory architecture rag framework	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
Query	如何构造查询？	原文 vs [[time-aware-query-expansion
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