最近在折腾MCP（模型上下文协议），想给自己的AI助手加个长期记忆功能，打算用向量数据库来存历史对话。但遇到个问题：是把整段对话压缩成一个向量存，还是每条消息单独存？如果按对话分段存，那上下文关联怎么处理？比如用户聊完A话题跳到B话题，再切回A，怎么把相关片段都召回？我试了试用Pinecone的metadata过滤，但感觉还是有点乱，有没有大佬在MCP里实际做过这块的？求分享一点设计经验，先谢过！
最近在折腾MCP（模型上下文协议），想给自己的AI助手加个长期记忆功能，打算用向量数据库来存历史对话。但遇到个问题：是把整段对话压缩成一个向量存，还是每条消息单独存？如果按对话分段存，那上下文关联怎么处理？比如用户聊完A话题跳到B话题，再切回A，怎么把相关片段都召回？我试了试用Pinecone的metadata过滤，但感觉还是有点乱，有没有大佬在MCP里实际做过这块的？求分享一点设计经验，先谢过！
按话题分段存，每段带上话题标签和向量，召回时先匹配话题再取片段，比整段压一个向量靠谱多了。
我按消息粒度存，再给每段对话打个topic标签，切回A话题时按标签召回就行，比纯metadata过滤省心。
有没有更详细的教程推荐？
有没有更详细的教程推荐？