附录 B：术语表（Glossary）

Contents

附录 B：术语表（Glossary）#

按字母顺序排列。首次出现的术语附英文原文。

A#

  • Agent Memory：Agent 记忆问题。LLM 每次对话是独立上下文窗口，训练数据不会出现在推理时，需要外部机制持久化记忆。

  • Async（异步）：不阻塞主线程的执行模式。GBrain 的 Minions 后台作业、Resolver 外部调用都使用异步模式，避免慢操作卡住主流程。

B#

  • Backlink：反向链接。在 GBrain 中，links 表存储从 A 页面到 B 页面的链接，backlink 指所有指向当前页面的链接，用于构建知识图谱。

  • BM25：Best Matching 25，一种经典的信息检索算法，基于词频和文档长度归一化计算相关性评分。GBrain 的关键词搜索层使用 pg_trgm 实现类似 BM25 的效果。

C#

  • Cathedral II：GBrain v0.20.0 引入的两遍结构化检索机制。详见第十一章。

  • Chunk / Chunking：知识切分。将长文档或大页面拆分成适合检索的小块（Chunk）。GBrain 使用基于 token 计数的动态切分策略，保留必要的上下文边界。

  • Claude Code：Anthropic 官方 CLI 工具，GBrain 的主要客户端之一。MCP 协议让 Claude Code 可以直接调用 GBrain 的工具操作。

  • Confidence：置信度。Resolver 返回结果时附带 0.0-1.0 的置信度评分。直接 API 响应 confidence = 1.0，LLM 推断的结果 confidence < 1.0。

E#

  • Embedding / 向量化：将文本转换为高维向量（1536 维）的过程。GBrain 使用 OpenAI text-embedding-3-large 模型，向量存储在 content_chunks.embedding 列中。

H#

  • Hybrid Search：混合搜索。GBrain 结合向量搜索（语义相似性）和关键词搜索（精确匹配）两种检索方式，用 RRF（Reciprocal Rank Fusion） 融合结果。

L#

  • Link / Backlink：页面间的引用关系。Wikilink 格式如 [[page-slug]] 在 GBrain 中被解析为 links 表记录，用于构建双向知识图谱。

M#

  • MCP (Model Context Protocol)：模型上下文协议。一个标准化的协议，让 AI 模型（如 Claude）可以通过统一接口调用外部工具。GBrain 作为 MCP Provider 暴露操作。详见第十一章。

  • Mermaid：图表格式。GBrain 的文档使用 Mermaid 语法绘制流程图、架构图。在本书中指图表格式，不是 GBrain 特性。

  • Minion：后台作业系统。GBrain 的 BullMQ-inspired 任务队列，使用 PGLite 本身存储任务状态，不依赖外部队列服务。详见第十一章。

O#

  • Operation Registry：操作注册表。GBrain 的所有操作（put_page、search 等）在 operations.ts 中注册，CLI 和 MCP 共用同一套操作定义。

P#

  • pg_trgm：PostgreSQL 的三字母组（Trigram）扩展。支持基于字符串相似度的搜索，用于处理拼写错误和部分匹配。GBrain 的关键词搜索层使用 pg_trgm 实现模糊匹配。

  • PGLite：@electric-sql/pglite，基于 WebAssembly 的嵌入式 PostgreSQL。GBrain 默认使用 PGLite 作为存储引擎，实现零配置的本地持久化。

  • Postgres + pgvector：完整版 PostgreSQL 配合 pgvector 扩展。适合 1000+ 页面或多人同步的生产级部署，需要 Supabase 或自建 Postgres 实例。

R#

  • RAG (Retrieval Augmented Generation)：检索增强生成。结合检索系统和 LLM 的生成能力。GBrain 是一个 RAG 系统，但特别强调代码结构感知（通过 Cathedral II）。

  • Reciprocal Rank Fusion (RRF)：倒数排名融合。将多个排序结果合并成一个统一排名的算法。GBrain 的混合搜索用它融合向量搜索和关键词搜索的结果。

RRF_score(d) = Σ 1/(k + rank_i(d))
k = 60（常数）
rank_i(d) = 文档 d 在第 i 个结果列表中的排名

  • Resolver：解析器模块。从外部数据源（GitHub、X、Notion 等）获取信息的组件。详见第十一章。

S#

  • Semantic Search：语义搜索。基于向量相似度而非关键词匹配的搜索方式。能理解「如何认证用户」和「authentication method」的语义关联。

  • Skill / SkillPack：技能单元。GBrain 的可扩展模块，包含提示词、工具定义和执行步骤。一个 Skill 相当于给 LLM 装了一个「插件」。详见第九章。

T#

  • Token：文本处理的最小单位。GBrain 的 Chunk 大小以 token 数量计量，向量化模型（text-embedding-3-large）支持最多 8000 token 的输入。

  • Trigram / pg_trgm：三字母组匹配。PostgreSQL 扩展 pg_trgm 将字符串切分成连续的三字母组，用于模糊字符串搜索。

V#

  • Vector Search：向量搜索。在高维向量空间中寻找与查询向量最接近的 k 个 Chunk。GBrain 使用 cosine similarity 度量相似性，结果存入 content_chunks.embedding 列。

W#

  • Wikilink：双链笔记格式。[[page-slug]] 格式的链接，GBrain 解析后存入 links 表。Wikilink 支持别名：[[page-slug|显示文本]]。

符号#

  • $1, $2：参数占位符。GBrain 所有 SQL 查询使用参数化查询，$1 等是占位符，由数据库驱动负责参数绑定和转义，防止 SQL 注入。

GBrain v0.22.5 · 附录 B

Contents