检索回放
一次提问,逐层点亮
世界书命中哪几条、关系网认不认得那个人、名单怎么兜底、一段对话怎么变成长期事实、 新问题又怎么把它们找回来。数据是预生成的真实轨迹(在沙箱里跑同一套运行时代码产出), 不是示意图,也不是实时演示 —— 本站没有后端。
7 个案例 · 127 条世界书 · 14,282 条关系边
正在载入轨迹…
↑↓ 切换案例 · 点击左侧索引 · 数据文件:rag_traces.json / rag_memory_trace.json(随页面一起静态发布)
案例问题为合成示例;关系网与世界书是游戏正典数据;记忆那一段用的是一个合成用户与一段我写的对话, 走的是生产同一条管线(分块 → 摘要 → 切片 → 事实提取)。没有引用任何线上对话。
想看实现细节:档案库里的「关系 RAG 设计」「记忆、压缩与上下文工程」两篇;
想自己跑一遍:仓库里的 blog/make_rag_traces.py 与 blog/make_memory_trace.py。