Ruflo 记忆语义检索实战Hybrid 混合检索、Graph RAG 多跳与 MMR 重排全解析【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本篇技术指南以 ruflo-rag-memory 插件的memory-search技能为骨架系统讲解 Ruflo 中跨会话、跨命名空间的语义检索体系从默认稠密检索、稀疏稠密混合检索RRF 融合、Graph RAG 多跳检索到 MMR 多样性重排、时效性加权与智能五阶段流水线SmartRetrieval。读者读完后将掌握完整策略选型依据、CLI 与 MCP 双通道调用方式、命名空间规划方法以及基于 AgentDB HNSW 索引的源码级实现原理。技能定位与整体架构memory-search是 ruflo-rag-memory 插件提供的核心技能SKILL.md其 frontmatter 声明为 SOTA semantic search——在 Ruflo 记忆层之上提供多种检索策略包括 hybrid稀疏稠密、Graph RAG 多跳、MMR 多样性重排与 recency 时效加权。技能的使用形态为/memory-search query [--hybrid] [--graph-rag] [--namespace NAME]允许的调用通道包括 Bash、Read以及 ruflo-core 暴露的 MCP 工具memory_search、memory_store、memory_list、memory_retrieve、memory_search_unified、agentdb_pattern-search、agentdb_context-synthesize。从存储链路看检索能力建立在如下架构之上见 README.mdClaude Code Auto-Memory (~/.claude/projects/*/memory/*.md) │ ▼ (ONNX all-MiniLM-L6-v2, 384-dim) Memory Bridge │ ▼ AgentDB (SQLite vector_indexes) │ ├── patterns / tasks / solutions / feedback / security / claude-memories 命名空间 ▼ (HNSW ANN index) Semantic Search (HNSW ANN)记忆写入 AgentDBSQLite 向量索引后通过 HNSW 近似最近邻ANN索引提供语义查询。检索性能在仓库审计中有明确基线N5k 时比暴力检索快约 3.2x–4.7xrecall10 约 0.99N20k 时约 1.9xANN 在超过索引大小交叉点后占优见 docs/reviews/intelligence-system-audit-2026-05-29.md 与 scripts/benchmark-intelligence.mjs。策略选型按查询类型选择检索方式memory-search的核心第一步是解析查询文本与策略 flag然后按查询类型选择检索策略策略适用场景已知收益仓库标注默认dense快速单跳语义匹配基线--hybrid关键词语义混合查询稀疏稠密 RRF 融合比纯语义提升 20-49%--graph-rag多跳推理类查询多跳知识检索比纯语义提升 30-60%三种基线检索方式的调用形态# Dense search默认 npx claude-flow/clilatest memory search --query QUERY --namespace NAMESPACE --limit 10 # Hybrid search--hybrid 或查询含明确关键词时 npx ruvector search QUERY --hybrid --limit 10 # Graph RAG--graph-rag 或多跳推理需要时 npx ruvector search QUERY --graph-rag --limit 10 # Smart retrieval--smart 或复杂召回需要时 npx claude-flow/clilatest memory search --query QUERY --smart --limit 10ruvector search命令来自 ruflo-ruvector 插件对ruvector0.2.25npm 包的封装README.md其 Rust 后端ruvector/core提供 HNSW 索引与子毫秒查询延迟。ruvector 的混合检索sparse dense RRF、Graph RAG 多跳检索与 DiskANN 持久化索引均在与 rag-memory 集成时被激活。注意 ruvector 需安装可选依赖ruvector-onnx-embeddings-wasmembed text所需、ruvector/pi-brainbrain 子命令所需、ruvector/ruvllmsona 子命令所需首次运行可执行npx -y ruvector0.2.25 doctor做健康检查。SmartRetrieval 五阶段智能流水线当使用--smart或需要复杂召回时检索切换为 5-phase pipeline原文档称为 smart retrieval仓库中对应 ADR-090 的 SmartRetrieval 设计见 README.mdQuery expansion查询扩展——基于模板的变体生成无需调用 LLM避免额外推理成本Multi-query fan-out RRF多查询扇出 倒数排名融合——对多个查询变体分别检索再用 Reciprocal Rank Fusion 融合排序结果Recency boost时效性提升——从元数据时间戳按指数衰减加权默认 0.95/天MMR diversityMMR 多样性——基于 token-Jaccard 的最大边际相关性重排在相关性与多样性间取平衡Session round-robin会话轮询——从不同会话交错取结果保证多会话覆盖。# CLI 形态 npx claude-flow/clilatest memory search --query auth patterns --smart --limit 10 # MCP 形态 mcp__plugin_ruflo-core_ruflo__memory_search({ query: auth patterns, smart: true, limit: 10 })该流水线最适合多会话召回、时间类查询上周我们决定了什么以及需要结果多样性的场景。检索后处理MMR 重排与时效加权无论选择何种基础策略memory-search都会执行统一的排序后处理MMR reranking对候选结果按相关性排序的同时过滤近似重复项cosine 0.92 视为重复保证结果集多样性避免多条几乎相同的记忆占据前列Recency weighting以指数衰减0.95/天提升近期条目权重使最近的决策优先于很久以前的方案。最终排序由复合得分决定relevance × diversity × recency。该复合评分规则同样体现在 recall 命令的实现中commands/recall.mdResults are ranked by composite score: cosine similarity * MMR diversity * recency decay。记忆条目同时带有来源命名空间归属source namespace attribution便于追溯每条结果的出处。跨命名空间统一检索与上下文合成除单命名空间检索外技能还暴露两条高级通道Unified cross-namespace跨命名空间统一检索——同时查询所有命名空间并执行 MMR 多样性重排mcp__plugin_ruflo-core_ruflo__memory_search_unified({ query: QUERY, limit: 10 })Context synthesize上下文合成——针对复杂查询从多个数据源合成上下文mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize({ query: QUERY, sources: [patterns, tasks, solutions] })这两类工具由 ruflo-core 插件的 MCP 服务器提供plugins/ruflo-core/README.md 中memory_*工具组归属ruflo-rag-memory后者进一步衔接 ruflo-agentdb 的agentdb_*工具族。命名空间指南memory-search技能的检索结果受命名空间约束选择正确的命名空间是召回质量的关键命名空间最佳用途典型问题patterns可复用的代码/设计模式How did we handle X?我们如何处理过 Xtasks任务上下文与结果What was the context for Y?Y 的上下文是什么solutionsBug 修复与解决方案How did we fix Z?我们如何修复 Zfeedback用户偏好与纠正意见What did the user prefer?用户偏好什么security已知漏洞模式Known vulnerabilities in...已知漏洞……省略 namespace检索全部命名空间跨命名空间统一召回完整命名空间用途对照可参考 README.mdpatterns存成功模式如pattern-auth-jwt、tasks存任务上下文如task-refactor-api、solutions存修复方案如fix-race-condition、feedback存用户反馈如feedback-test-style、security存漏洞模式如vuln-sql-injection、claude-memories存由 Claude Code 桥接导入的记忆。端到端实操写入 → 召回 → 精读结合 EXAMPLES.md 的完整流程最典型的实战闭环如下# 会话 1写入一条模式记忆 npx ruflo memory store \ --key pattern-concurrent-queue \ --value Use a bounded queue with semaphore for concurrent task processing; limits parallelism safely \ --namespace patterns # 会话 2隔天、甚至跨项目语义召回 npx ruflo recall concurrent queue safe processing # 返回Use a bounded queue with semaphore... # 按 key 精确取回 npx ruflo memory retrieve --key oauth-flow --namespace patterns # 列出某命名空间条目 npx ruflo memory list --namespace patterns --limit 10在 Agent如 Claude Code内部则通过 MCP 调用实现跨会话知识注入async function researchAuthPatterns() { const findings await memory_search_unified({ query: OAuth2 PKCE refresh token security, limit: 5 }); console.log(findings[0].value); // 可能来自 3 周前的某个会话 }ruflo-memory 命令还覆盖完整 CRUD 与维护操作commands/ruflo-memory.mdstore写入、search稠密/混合/图检索、retrieve按 key 取回、list列出、delete删除、consolidate去重 清理 重建 HNSW 索引通过hooks worker dispatch --trigger consolidate触发、bridge导入 Claude Code 自动记忆。其中consolidate会合并 cosine 0.92 的重复条目、清理超过 30 天未触碰且零检索命中的陈旧条目并重建 HNSW 索引——与memory-search技能的 MMR 重复过滤阈值cosine 0.92保持一致。源码级佐证烟测契约与实现验证memory-search技能的正确性由插件的烟测脚本守护scripts/smoke.sh其 10 项检查覆盖了技能运行的全部前提技能 frontmatter 必须包含name:与description:字段且不得使用通配符工具授权防止越权调用README 必须引用memory_search_unified跨命名空间检索的契约工具README 必须引用claude-memories保留命名空间、memory_import_claude导入工具与 SessionStart 钩子插件版本固定为 0.2.1并声明mcp、claude-memories、bridged-memory关键词。运行验证命令bash plugins/ruflo-rag-memory/scripts/smoke.sh # 期望输出10 passed, 0 failed此外ruflo-rag-memory 是claude-memories保留命名空间的规范用户侧消费者见 ADR-0001 与 ruflo-agentdb 命名空间约定自动导入链路为 Claude Code SessionStart 钩子 →memory_import_claudeMCP→claude-memories命名空间由 ruflo-agentdb 持有→ 由本插件的 memory-bridge 技能与memory_search_unified消费。也就是说memory-search检索到的claude-memories内容实际由 ruflo-agentdb 写入插件自身不拥有该命名空间检索时也不得与保留命名空间pattern、claude-memories、default冲突。安装与依赖前提使用memory-search技能前需完成以下安装# 安装 rag-memory 插件依赖 ruflo-core 提供 MCP 服务器 claude --plugin-dir plugins/ruflo-rag-memory # 可选加载 ruvector 以启用 hybrid / graph-rag 高级检索 claude --plugin-dir plugins/ruflo-ruvector同时建议安装 ruvector 的可选依赖以启用完整能力npm install ruvector0.2.25 npm install ruvector-onnx-embeddings-wasm # embed text 必需 npm install ruvector/pi-brain # brain 子命令必需 npm install ruvector/ruvllm # sona 子命令必需JS 回退CLI 版本锁定在claude-flow/cliv3.6 majorminorREADME.mdruvector 锁定在 0.2.25ADR-0001。需要留意 ruvector 0.2.25 的已知限制默认不捆绑 ONNX WASM需安装ruvector-onnx-embeddings-wasm后embed text才能工作、brain/sona依赖各自可选包、顶层cluster尚未上线应使用hooks graph-cluster等commands/vector.md。小结memory-search是 Ruflo 记忆体系的一站式语义检索入口默认稠密检索提供快速单跳匹配--hybrid通过稀疏稠密与 RRF 融合覆盖关键词语义混合查询--graph-rag支撑多跳推理--smart激活五阶段智能流水线最终所有结果统一经过 MMR 多样性重排与 0.95/天指数衰减时效加权以复合得分relevance × diversity × recency排序输出并保留命名空间归属用于溯源。配合memory_search_unified的跨命名空间召回与agentdb_context-synthesize的上下文合成这一套能力让 Ruflo Agent 在任意会话、任意项目中都能可靠复用到此前沉淀的模式、修复与决策。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考