Files
my-vault/01_Projects/AI-Development/Obsidian Agent/vault-memory/architecture.md
T

121 lines
4.0 KiB
Markdown
Raw Normal View History

2026-02-26 21:10:47 +08:00
---
title: 架构设计
created: 2026-02-25
---
# 架构设计
## 设计目标
1. 不使用本地 embedding 模型(避免常驻 Ollama
2. 向量与元数据留在本地 PostgreSQL(数据可控)
3. 基于 Git 变更做增量 upsert/delete(避免全量重建)
4. 强一致:删除/重命名后不允许幽灵向量残留
5. 安全:敏感内容不入检索库,检索结果具备 Prompt 注入防护
## 双层记忆模型
2026-02-26 21:18:17 +08:00
```mermaid
graph TD
A["🗂️ Obsidian Vault (.md files)"]
B["🪝 git post-commit hook"]
C["⚙️ incremental_ingest.py"]
D[("🐘 PostgreSQL + pgvector")]
E["🔍 query_pgvector.py"]
F["📝 Claude Code / MEMORY.md"]
G["🤖 Claude Agent\nagent-with-memory.sh"]
H["Layer B: MEMORY.md\n偏好 / 事实 / 约束"]
I["Layer A: pgvector\n语义检索结果"]
A --> B --> C --> D --> E --> G
F --> G
G --> H
G --> I
2026-02-26 21:10:47 +08:00
```
### Layer A:文档语义记忆
- EmbeddingOpenRouter API`openai/text-embedding-3-small`dim=1536
- 存储:本地 PostgreSQL + pgvector 扩展
- 数据源:`01_Projects/``02_Areas/`
- 排除:`00_Inbox/``04_Archive/``Infrastructure/``Home-Automation/`
- 触发:git `post-commit` hook → 异步 `incremental_ingest.py`
### Layer B:事实与偏好记忆
- 来源:Claude Code `MEMORY.md`(查询时动态读取)
- 用途:用户偏好、约束、近期状态
## 组件职责
| 文件 | 职责 |
|---|---|
| `index_common.py` | 共享工具:环境加载、DB 连接、Embedding API、排除逻辑、跨平台锁 |
| `blacklist.py` | 排除规则:路径模式、文件名关键词、敏感内容特征 |
| `ingest_vault.py` | 全量重建索引,清理过期条目 |
| `incremental_ingest.py` | 解析 `git diff-tree` 输出,处理 A/M/D/R 事件 |
| `query_pgvector.py` | 余弦相似度检索,返回 `<retrieved_context>` 块 |
| `install-hook.sh` | 向 `.git/hooks/post-commit` 追加异步索引触发器 |
| `agent-with-memory.sh` | 合并 A+B 层上下文,启动带记忆的 claude 会话 |
| `schema.sql` | DB schema`memory_primary`(向量)、`memory_secure_audit`(隔离审计)|
## 数据库 Schema
```sql
-- 主检索表
memory_primary (
id TEXT PRIMARY KEY, -- vault 相对路径
source TEXT, -- 同 id,用于上下文注入显示
content TEXT, -- 完整 markdown 文本
content_hash TEXT, -- sha256,用于变更检测
embedding VECTOR(1536), -- ivfflat 余弦索引
updated_at TIMESTAMPTZ
)
-- 敏感文件审计表
memory_secure_audit (
id TEXT PRIMARY KEY,
source TEXT,
risk TEXT, -- 'excluded_or_sensitive'
updated_at TIMESTAMPTZ
)
```
索引:`ivfflat (embedding vector_cosine_ops) WITH (lists = 100)`
## 增量同步流程
2026-02-26 21:18:17 +08:00
```mermaid
flowchart TD
GC["git commit"]
HK["post-commit hook\nnohup,不阻塞提交"]
II["incremental_ingest.py\n--changes-file &lt;tmp&gt;"]
PD["解析 git diff-tree 输出\nA / M / T / D / R"]
LK["获取 index_lock\n跨平台文件锁"]
AMT["A/M/T → upsert_file()"]
D["D → DELETE from both tables"]
R["R → DELETE old\n+ upsert_file(new)"]
GC --> HK --> II --> PD --> LK
LK --> AMT
LK --> D
LK --> R
2026-02-26 21:10:47 +08:00
```
## 安全策略
1. 路径精确匹配:按 `Path.parts` 做目录排除,非子串匹配
2. 单命中隔离:任一敏感特征命中即隔离到 `memory_secure_audit`
3. 强一致删除:D/R 事件先删旧 ID,再处理新路径
4. 单写者锁:跨平台文件锁串行化所有索引写操作
5. 只读上下文注入:检索结果包装为 `<retrieved_context>` 标签,明确标注为非指令
6. 长度截断:注入前全局 `max_chars=2500`
## 关键权衡
| 优点 | 代价 |
|---|---|
| 不跑本地模型,设备压力低 | Markdown 文本发送到 OpenRouter(非纯本地隐私)|
| 向量在本地 DB,数据控制力强 | 依赖网络与 API 可用性 |
| 与现有 Git 工作流兼容 | 需配置 API key 与限流/重试策略 |