RAG、Memory 与 Context Engineering

RAG、Memory 和 Context Engineering 都在影响模型输入，但解决的问题不同：RAG 负责从外部资料取证，Memory 负责跨回合保留经过筛选的信息，Context Engineering 负责在当前预算内组装可用上下文。先读 05 State、Context、Session 与 Memory，再进入 08 RAG 与 Context Engineering。

LlamaIndex RAG 组件文档

官方入口：Querying 文档 · GitHub

• 解决的问题：把文档摄取、索引、检索、重排和回答组装为可替换的 RAG 管线。
• 推荐学习内容：只用作组件地图，先理解无框架 RAG，再按 ingestion、retriever、reranker、citation 查阅。
• 前置知识：第 05、08 章；文本切分与检索直觉。
• 学习阶段：进阶。
• 阅读深度：专题查阅。
• 推荐目录/文章：Querying、Retrievers、Node parsers、Evaluation。
• 与 DeepSeek Harness 对应关系：检索结果与上下文组装可作为 dsh tool/Skill 输出进入 driver context，但框架不决定 dsh session。
• 查看日期：2026-10-07。

Mem0

官方入口：GitHub · 文档

• 解决的问题：提供长期记忆提取、存储和召回的实现参考，帮助区分会话状态与持久记忆。
• 推荐学习内容：重点阅读 memory extraction、scoping、更新和删除策略；先设计隔离与保留策略，再尝试集成。
• 前置知识：State、Session、Memory；第 05 章。
• 学习阶段：生产工程。
• 阅读深度：案例参考。
• 推荐目录/文章：memory model、add/search/update/delete、privacy and isolation、tests。
• 与 DeepSeek Harness 对应关系：长期记忆属于 dsh Session 之外的持久化插件，必须明确租户、用户和会话作用域。
• 查看日期：2026-10-07。

LangChain 文档：Context Engineering

官方入口：Context engineering 文档 · LangChain 文档

• 解决的问题：整理模型输入上下文、工具结果、状态和记忆的工程化边界。
• 推荐学习内容：用来建立术语地图，回到本课程的无框架 Python 示例验证每个概念。
• 前置知识：第 02–05 章。
• 学习阶段：入门。
• 阅读深度：专题查阅。
• 推荐目录/文章：runtime context、state、memory、context shaping。
• 与 DeepSeek Harness 对应关系：Context shaping 对应 dsh driver 在每一轮把 Session、Skill 和 tool result 拼入模型输入的责任。
• 查看日期：2026-10-07。

选型与安全检查

• 资料是实时、私有或需要引用时，考虑 RAG；先做权限过滤和证据追踪，再做 embedding 优化。
• 用户偏好或跨会话事实需要保存时，考虑 Memory；为用户、租户、会话设置独立 scope，提供删除和过期策略。
• 当前回合信息超预算时，先做 context projection、压缩和摘要；不要把所有历史原文无条件塞回模型。
• 任何来自检索或记忆的文本都可能包含指令注入，必须与系统规则和工具权限分开处理。