开发者称纯 Python RAG 出现递归记忆
AI 总结
掘金·人工智能的一篇第一人称文章记录并开源了 Observer-RAG，这是一套采用纯 Python、apsw、sqlite-vec 和本地 BGE-M3 模型的轻量本地 RAG 系统。开发者称，本轮未直接召回的语块因另一召回语块保留了引用元数据而被模型关联到。所谓“涌现式递归记忆”目前仅是未经复现的个人观察，并非经过验证的测试结果。
深度见解
Observer-RAG 为研究本地个人记忆存储提供了一个紧凑的参考实现，其引用链行为也值得 RAG 架构研究者进一步检验。
大家好，我是一名非计算机专业的大一学生。平时对 AI 比较感兴趣，因为受够了市面上一些臃肿的黑盒 RAG 软件，决定自己动手用纯 Python 从零手搓一套完全本地化的系统。
我的目标是构建一个纯粹的个人记忆库。目前库里存了大概 60 万字的日常随笔与思考。为了极简和隐私，我没有用任何第三方 AI 框架，所有依赖锁死。
先简单汇报一下我的架构设计：
• 存储：用 apsw 绕开系统阉割，采用 sqlite-vec 做单文件单库，绝对私有。
• 性能：手搓 JSON 倒排索引解决中文分词死穴，用 O(1) 查表实现极速降噪；设计了定期后台静默重算机制，防并发不卡顿。
• 时间感知：每次对话时，强行将当前真实的系统时间（精确到时分）注入到 Prompt 的最前端，并在底层用 XML 标签进行严格的物理隔离（区分“历史语料”与“当前提问”），防止大模型时空错乱。