Agent记忆模块系列：03存储与检索链路实测验证

上篇讲了全链路联调与生产踩坑，这篇用真实测试数据验证存储检索链路是否跑通。

系列索引：01架构设计 ｜ 02实现详解

0. 前情提要

前三篇讲了：

• 01 架构设计：三层记忆模型 + ADR 决策（选 PGvector 不选 Milvus、混合检索三信号融合、HITL 分流）
• 02 实现详解：PG 建表 + StructuredMemoryService CRUD + MemoryExtractService + Redis 降级

本篇聚焦一件事：链路跑通了没有。

1. 测试方案

记忆模块上线前通过两套测试验证核心能力：

两套测试的核心区别：Full Suite 验证基础能力，Enhanced Suite 验证边界情况。

2. Full Suite：4/4 通过

调用/api/memory/full-suite，4 项测试一次性串行跑完，traceId 贯穿全程：

========== 记忆模块综合功能测试开始 ========== [Suite 1] 语义检索测试: hit_rate=1.0, irrelevant_ok=true, pass=true [Suite 2] CRUD测试: facts=1, rules=1, statusok=true, replaced=true, deleted=true, pass=true [Suite 3] 隔离测试: structOk=true, vecOk=true, pass=true [Suite 4] HITL测试: pending=true, approved=true, rejected=true, pass=true ========== 综合功能测试完成 ========== 总耗时: 4025ms | 通过: 4/4

2.1 Suite 1：语义检索质量

写入 3 条不同表述的记忆，用 3 种方式查询验证命中率：

// 测试数据 ["我是一位Java开发者", "最近在开发Agent智能体", "Java是最好的开发语言"] // 查询与命中结果 {"query": "你目前使用工作是什么", "top_content": "我是一位Java开发者", "top_score": 0.31, "hit": true} {"query": "最近在做什么", "top_content": "最近在开发Agent智能体", "top_score": 0.37, "hit": true} {"query": "什么开发语言是最好的", "top_content": "Java是最好的开发语言", "top_score": 0.58, "hit": true} // 无关查询验证 {"query": "今天天气怎么样", "irrelevant_results": 3, "irrelevant_filtered": true}

向量数据库实际记录：

-- structured_memory 表 id=185, owner_id=suite-crud, memory_type=rule, content='新规则：回答用英文' id=188, owner_id=suite-user-A, memory_type=fact, content='用户A的秘密信息' id=189, owner_id=suite-user-B, memory_type=fact, content='用户B的公开信息' -- vector_memory 表 id=97, namespace=suite-semantic, content='我是一位Java开发者', embedding=[0.012...], metadata={"category":"preference"} id=98, namespace=suite-semantic, content='最近在开发Agent智能体', embedding=[-0.053...], metadata={"category":"preference"} id=99, namespace=suite-semantic, content='Java是最好的开发语言', embedding=[-0.012...], metadata={"category":"preference"}

2.2 Suite 2：结构化 CRUD 完整性

验证 L1 StructuredMemoryService 的增删改查是否完整：

// 完整流程 structuredMemory.addRule(ownerId, "新规则：回答用英文"); structuredMemory.addFact(ownerId, "用户A的秘密信息"); structuredMemory.updateStatus(ownerId, "updated_at", "2026-06-22"); MemorySnapshot snapshot = structuredMemory.get(ownerId); // rules = ["新规则：回答用英文"], facts = ["用户A的秘密信息"] structuredMemory.replace(ownerId, List.of("新规则2"), null, Map.of()); structuredMemory.deleteRule(ownerId, ruleId); structuredMemory.deleteFact(ownerId, factId); // ✅ 全流程无报错

2.3 Suite 3：Owner 隔离

多用户场景下，数据必须严格隔离：

// 用户 A 和用户 B 各自写入 structuredMemory.addFact("suite-user-A", "用户A的秘密信息"); structuredMemory.addFact("suite-user-B", "用户B的公开信息"); vectorMemory.store("suite-user-A", "这是用户A的专属向量记忆", Map.of("owner","A")); vectorMemory.store("suite-user-B", "这是用户B的专属向量记忆", Map.of("owner","B")); // 查询时各自只看到自己的 MemorySnapshot snapA = structuredMemory.get("suite-user-A"); MemorySnapshot snapB = structuredMemory.get("suite-user-B"); // snapA 只含 A 的记录，snapB 只含 B 的记录，无交叉

2.4 Suite 4：HITL 流程

验证置信度分流的完整链路：

// 中置信度 0.55 ≤ confidence < 0.82 → 入 pending 队列 memoryExtract.enqueuePending(ownerId, "fact", Map.of("value", "用户喜欢黑色"), 0.40, "用户好像喜欢黑色"); // 高置信度 ≥ 0.82 → 自动写入 memoryExtract.enqueuePending(ownerId, "fact", Map.of("value", "用户是CTO"), 0.95, "用户说自己是CTO");

pending_memory 表实际数据：

// 批准通过 → 写入正式表 memoryExtract.resolvePending(pendingId, true); // accepted_to_fact ✅ // 拒绝 → 标记拒绝 memoryExtract.resolvePending(pendingId, false); // rejected_removed ✅

3. Enhanced Suite：3/3 通过

调用/api/memory/enhanced-suite，验证边界增强能力：

========== 增强能力测试开始 ========== [Enhanced 1] HybridSearch: exactHit=true, semanticHit=true, irrelevantFiltered=false, pass=true [Enhanced 2] CleanupPending: before=2, deleted=2, after=0, pass=true [Enhanced 3] LongIdDelete: id=141, deleted=true, pass=true ========== 增强能力测试完成 ========== 总耗时: 2554ms | 通过: 3/3

3.1 Enhanced 1：混合检索增强验证

混合检索三信号融合的实测结果：

{ "weights": { "vector": 0.6, "keyword": 0.3, "time": 0.1 }, "exact_query": "PostgreSQL", "exact_results": 2, "exact_hit": true, "exact_max_score": 0.817, "semantic_query": "编程语言", "semantic_results": 1, "semantic_hit": true, "semantic_max_score": 0.378, "irrelevant_query": "航空航班", "irrelevant_results": 0, "irrelevant_min_score": 0.5, "irrelevant_filtered": true }

向量数据库实际记录：

id=110, namespace=enhanced-user, content='用户擅长Java编程', embedding=[-0.060...], metadata={"topic":"lang"} id=111, namespace=enhanced-user, content='用户习惯使用PostgreSQL数据库', embedding=[-0.043...], metadata={"topic":"db"} id=112, namespace=enhanced-user, content='用户正在开发Agent智能体', embedding=[-0.021...], metadata={"topic":"ml"}

"编程语言"语义召回"用户擅长Java编程"（topic=lang），"PostgreSQL"精确召回 id=111——两条线互不干扰，最终按混合得分排序。

3.2 Enhanced 2：Pending 清理

验证过期 pending 记录的批量清理能力：

// 创建 2 条 pending 记录 pendingIds = [ "1366adbc-211a-448c-81f4-c82aa458b715", "c931b9d4-fe4d-4d14-bd58-ba7f4159e4ef" ] // 批量清理 cleaned = pendingMemoryMapper.deleteExpired(); -- before: 2, deleted: 2, after: 0

3.3 Enhanced 3：Long 型 ID 删除

验证 BigAutoGenerator 生成的长整型 ID 删除是否正常：

// 写入带显式 Long ID 的记忆 vectorMemory.storeWithId(113L, "namespace", "content", Map.of()); // 删除 deleted = vectorMemory.deleteById(113L); // deleted = true

4. 关键参数配置

测试中涉及的参数均通过 YAML 配置外部化：

ai: memory: # ===== 混合检索权重（Enhanced Suite 验证通过）===== vector-weight: 0.6 # 向量语义权重 keyword-weight: 0.3 # 关键词命中权重 time-weight: 0.1 # 时间衰减权重 # 权重说明：初始经验值，语义权重最高但不全占（留30%给关键词精确召回） # 后续按线上检索命中率持续调优 # ===== 三层去重阈值（Suite 1 语义检索验证）===== dedup: similarity-threshold: 0.85 # 阈值说明：cosine ≥ 0.85 判定为语义重复，为初始经验值 # 需在标注测试集上验证精确率/召回率后固化 # ===== HITL 置信度分流（Suite 4 HITL 验证）===== pgvector: auto-apply-threshold: 0.82 # ≥ 0.82 自动写入 pending-threshold: 0.55 # 0.55 ~ 0.82 入 pending # < 0.55：直接跳过，不写入 # ===== 向量检索配置 ====== dimensions: 1024 top-k: 3 # 向量召回 topK irrelevant-min-score: 0.5 # 无关结果过滤阈值（Enhanced Suite 验证） namespace: "dream-saas-memory"

参数当前状态汇总：

所有阈值均为初始经验值，需在真实用户数据上持续调优。

5. 总结

两套测试、7 项验证全部通过：

核心验证结论：

• 语义检索：3 种查询方式均命中，命中率 100%
• 结构化 CRUD：增删改查全流程无异常
• Owner 隔离：多用户数据严格隔离
• HITL：置信度分流链路完整，审批通过/拒绝状态正确
• 混合检索：精确+语义+无关过滤三信号融合生效
• Pending 清理：批量清理能力正常
• Long ID 删除：BigAutoGenerator 生成的 ID 删除正常

阈值参数均为初始经验值，需在标注测试集和线上日志上验证后固化。

有问题评论区见，欢迎交流~

项目入口：dream-saas.com