@pauliusztin_: 两个月前，我开始使用知识图谱构建统一记忆层。以下是我最常被问到的问题……

两个月前，我开始用知识图谱构建统一记忆层。

大家问得最多的问题是：

“如何在不对图产生污染的情况下处理实体解析与去重？”

我不想给出一个基于假设的高层回答……

于是花了很多时间研究 mem0、cognee 和 Neo4j 等系统是如何解决这个问题的。

同时还在用 @PrefectIO 试验编排模式，以提升持久性并降低成本。

在这个过程中，我发现大多数人把实体解析和去重当成同一件事。

但它们不是。

最好的记忆系统会把“命名”和“身份”区分开。

在你的 LLM 提取出一个实体之后，你需要做以下几步：

1/ 解析 → “我们该叫它什么？”

这一层负责处理：

• 拼写错误
• 缩写
• 表面形式相似性

只对同一类型节点的名称进行精确、模糊和语义匹配。

举例：

• “NYC” → “New York City”
• “JP Morgan” → “JPMorgan Chase”

在这个阶段，系统只更新规范名称，供后续的软匹配使用。

不执行任何图合并。

因为相似的名称并不足以证明两个实体是相同的。

比如：

• Apple：公司 ≠ 水果
• Jensen Huang：NVIDIA 的 CEO ≠ 台北一位同名医生

2/ 去重 → “这是同一个真实世界实体吗？”

现在我们对完整的实体上下文进行嵌入，并与已有节点在全上下文范围内进行语义 + 模糊相似度比较。

根据相似度评分（0→1），有三种结果：

• 高置信度（≥0.95） → 自动合并
• 中等置信度（>0.85） → 人工审核
• 低置信度（≤0.85） → 新建节点

这一点至关重要，因为错误的合并会悄然污染图结构。

我发现最聪明的设计决策是：将证据强度视为操作权限强度：

• 弱证据 → 新建节点
• 强证据 → 合并
• 不确定的证据 → 进入审核队列

这样，记忆扩展时图结构始终保持干净。

但图模型只是问题的一半……

在非结构化数据之上构建知识图谱成本很高。

以下操作都需要花钱：

• LLM 提取
• 实体解析
• 嵌入
• 去重

如果下游某一步失败，你重跑整个流程，就会浪费 tokens 重新计算你已经付过费用的结果。

因此，最好的架构是将工作流拆分为带检查点的任务，并支持重试 + 缓存。

这正是 @PrefectIO 这类工具在生产环境记忆系统中的强项。

它允许你：

• 缓存昂贵的提取步骤
• 仅重试失败的阶段
• 高效批量处理嵌入
• 安全扩展数据摄入
• 为每个阶段添加可观测性

而无需每次失败都从头重来。

P.S. 在通过知识图谱为 agent 构建长期记忆时，你觉得最难的部分是什么？

谢谢！后续还有更多内容！