摘要：AgentMemory系统旨在解决大模型无状态缺陷，通过分层记忆架构模拟人类认知演化。系统采用三层漏斗模型：短期记忆处理当前对话，工作记忆存储会话摘要，长期记忆沉淀核心知识。工程实践中采用混合模式，结合向量检索、摘要压缩和知识图谱等技术。关键技术挑战包括冲突解决（时间戳标记、置信度衰减）和高效索引设计（分块策略、异步更新）。优秀记忆系统需满足分层存储、Token优化、冲突处理等要求，使Age

本文对比了RAG（检索增强生成）和Hash库的核心差异。RAG像会自己翻书再回答问题的AI，通过语义检索相关文档片段后生成新答案；而Hash库是按索引精确找值的字典，直接返回存储的原始数据。关键区别在于：Hash库保证key-value严格对应，输出确定不变；RAG则通过检索+生成动态创造新内容。前者适合缓存等精确存取场景，后者用于问答系统等需要理解语义的任务。虽然都包含检索步骤，但RAG多了生成

​​本质​​：一个构造函数（类），通过实例化。核心机制​resolve（标记成功）和reject（标记失败）。Promise 内部通过状态机管理异步操作的结果，外部通过监听状态变更。setTimeout(() => resolve('异步操作成功'), 1000);// 1秒后标记成功});​​语法糖​​：基于 Promise 的语法糖，让异步代码看起来像同步代码。本质​async函数返回 Pro