GBrain 技术图谱# 本书以 GBrain v0.22 源码为案例,系统解析一个生产级 Agent Memory 系统的内部设计与实现逻辑。 目标读者:具备一定编程经验、对 LLM 应用有兴趣、想理解「AI 如何拥有持久记忆」这一核心问题的开发者。 第一章:认识 GBrain——个人知识大脑 1.1 从「AI 健忘症」说起 1.2 GBrain 的思路:把记忆当成 Git 仓库 1.3 GBrain 在这个领域的定位 1.4 整体架构预览 1.5 本书结构 1.6 源码阅读路线 下章预告 第三章:设计哲学(Philosophy) 3.1 本地优先(Local-First) 3.2 Git 原生(Git-Native) 3.3 信任边界(Trust Boundary) 3.4 操作注册表模式(Operation Registry) 3.5 双引擎抽象(Dual-Engine) 3.6 设计哲学总结 第四章:数据模型(Data Model) 4.1 Page:记忆的基本单元 4.2 Chunk:语义分块 4.3 Link:知识图谱的边 4.4 Vector:嵌入向量 4.5 CodeEdge:Cathedral II 特有 4.6 数据库 Schema 概览 4.7 数据模型与检索的协作 4.8 小结 第五章:写入流程(Write Flow) 5.1 从 put_page 开始 5.2 内容解析链路 5.3 分块(Chunking) 5.4 向量化(Embedding) 5.5 双写:数据库 + 文件系统 5.6 完整数据流图 本章小结 第七章:查询流程(Query Flow) 7.1 查询入口 7.2 查询解析(Query Parsing) 7.3 混合搜索管线(Hybrid Search Pipeline) 7.4 两遍检索(Two-Pass Retrieval / Cathedral II) 7.5 结果重排(Rerank) 7.6 完整查询时序图 本章小结 第六章:知识图谱(Knowledge Graph) 6.1 为什么需要知识图谱 6.2 Link 的类型系统 6.3 Link 的自动提取 6.4 图查询 API 6.5 链接修复(Backlinks Fix) 本章小结 第八章:混合搜索深度解析(Hybrid Search Deep Dive) 8.1 向量搜索(Vector Search) 8.2 关键词搜索(Keyword Search) 8.3 RRF 融合算法 8.4 结果去重(Deduplication) 8.5 搜索增强(Search Enrichment) 8.6 搜索参数调优 本章小结 第九章:Skill 系统——AI Agent 的可扩展技能单元 9.1 为什么需要 Skill 9.2 Skill 的结构 9.3 内置 Skill 解析 9.4 Skill 的触发机制 9.5 Skill 之间的协作 第十章:SkillPack 机制——Skill 的打包、分发与安装标准 10.1 什么是 SkillPack 10.2 SkillPack 的结构 10.3 Skillify:代码生成 Skill 10.4 Skill 的安装和更新 10.5 Skill 生态 第十一章:高级主题(Advanced Topics) 11.1 Cathedral II 两遍检索深度解析 11.2 后台作业系统(Minions) 11.3 Resolver 系统 11.4 迁移框架 11.5 安全机制 11.6 MCP 服务端 本章小结 附录 附录 B:术语表(Glossary) 附录 C:鸣谢与参考资料(Credits)