在实际中，你如何真正结合记忆和知识库？将两者都塞进上下文真的是标准做法吗？

我见过的大多数“个性化代理”设置大致如下： \- 长期记忆（情节性、语义性或两者兼有） \- 个人知识库（对文档/笔记进行RAG） \- 将两者合并到上下文中 → 发送给LLM 这在简单情况下效果不错。但随着任一层的增长，我不断遇到同样的问题： 1. 你如何决定从每个层检索什么？记忆和知识库是经过同一检索流程还是单独的？当它们返回冲突或重叠的结果时，你如何权衡？ 2. 上下文填充是唯一可行的形式，还是存在真正的替代方案？例如——在RAG查询之前用记忆进行预过滤，用记忆重写查询，或者让LLM将记忆和知识库作为工具交互，而不是预加载的上下文。 3. 当记忆和知识库说法不一致时，你如何处理？你的系统在LLM看到之前协调这一点，还是让LLM自行解决？ 好奇的是，人们在生产环境（或严肃实验）中实际使用的架构，而不仅仅是玩具演示设置。