[需求建议] 增加面向 Agentic RAG 的持久化纠错记忆与跨会话评估

提交前检查

• 我已在 Issues 中搜索，未找到相同或高度相似的建议

希望新增的教程主题/模块

面向 Agentic RAG 的持久化纠错记忆（Correction-aware Memory）与跨会话行为评估

背景与痛点

当前教程已经系统覆盖数据处理、索引、检索、生成和单次 RAG 评估，但尚未区分“外部知识库检索”与“Agent 的持久化记忆”。向量数据库主要回答“哪些资料与当前查询相关”，并不能单独解决用户偏好、历史决策和纠正信息如何跨会话持续生效。

对于 Agentic RAG，仅保存聊天记录或按相似度召回仍会遇到以下问题：

1. 什么时候应该写入、更新、合并或删除记忆？
2. 新旧记忆冲突、信息过期时应该相信哪一条？
3. 如何避免无关记忆污染当前回答？
4. 用户纠正 Agent 后，如何验证后续会话真的不再重复同一错误？
5. 如何支持隐私删除和抵抗记忆型提示注入？

Chapter 7 目前主要覆盖 Graph RAG；Datawhale 贡献任务中也已经提出 Agentic RAG 扩展。本建议可以作为其中的“持久化记忆与评估”子专题，或放入 Extra Chapter。

与 #67 的区别：#67 面向数据库与 AI Memory 的宽泛课程规划；本建议聚焦纠错优先的记忆生命周期、冲突处理，以及跨会话行为是否改变的可验证实现，不是单纯增加向量存储或聊天历史。

建议覆盖的内容范围

1. 概念边界与系统架构

   • 区分外部知识库、短期对话状态、长期用户画像、情节记忆、程序性规则与纠正记录
   • 展示知识检索路径和记忆读写路径的差异

2. 记忆生命周期

   • recall / write / update / deduplicate / consolidate / expire / delete
   • 写入策略、来源与时间信息、冲突解决和优先级

3. 最小可运行实现

   • 使用本地 Markdown、JSONL 或 SQLite，避免额外基础设施
   • 展示两个连续会话：第一次犯错并收到纠正；第二次召回纠正并避免重复错误
   • 对比无记忆、仅向量相似度记忆、纠错优先记忆三种方案

4. 跨会话评估

   • Correction Adherence：纠正遵循率
   • Repeat-Mistake Rate：重复错误率
   • Stale-Conflict Resolution：过期/冲突记忆处理准确率
   • Irrelevant-Memory Intrusion：无关记忆干扰率
   • Deletion Compliance：删除后残留率
   • 同时记录召回率、延迟和 Token 开销

5. 安全与隐私

   • 敏感信息最小化、可追溯来源、显式删除
   • 防止外部文档或用户输入把恶意指令写入长期记忆

6. 建议目录结构

   • Extra-chapter/correction-aware-agent-memory/readme.md
   • code/memory_store.py、memory_policy.py、demo_two_sessions.py、evaluate.py
   • data/correction_cases.jsonl
   • requirements.txt 与可复现实验结果

目标读者与预期效果

面向已经掌握基础 RAG、准备学习 Agentic RAG 或构建长期运行助手的进阶开发者。

完成后，读者应能够：

• 判断知识库检索与 Agent Memory 的边界
• 实现一个本地、可持久化、可纠错、可删除的最小记忆模块
• 用跨会话行为指标验证记忆是否真正改善 Agent，而不只评估是否召回了相似文本

相关资料/链接（选填）

• 当前“记忆载体（向量数据库）”表述：https://github.com/datawhalechina/all-in-rag/blob/main/docs/chapter1/01_RAG_intro.md#L175
• Chapter 7：https://github.com/datawhalechina/all-in-rag/tree/main/docs/chapter7
• Datawhale Agentic RAG 贡献任务：https://contributor.datawhale.cn/tasks/113
• 相关但范围不同的 Issue #67：https://github.com/datawhalechina/all-in-rag/issues/67
• Extra Chapter 贡献指南：https://github.com/datawhalechina/all-in-rag/blob/main/Extra-chapter/README.md