Análise da dor
传统文档检索会返回完整文档内容，导致LLM上下文窗口被低效占用。DiffMem通过三级优化策略解决该问题：
核心优化方案
- 当前状态聚焦：默认只索引最新版Markdown文件，避免历史版本占用令牌
- 深度分级控制::
depth="basic"：返回实体关系图谱的核心节点（约50-100 tokens）depth="wide"：包含2度关联实体（约200-300 tokens）depth="deep"：触发语义搜索返回完整内容
- BM25动态裁剪：对长文档自动提取相关性最高的3个段落
实现示例
# 获取精简上下文
context = memory.get_context("用户查询", depth="basic")
# 与LLM交互时组合提示词
prompt = f"基于以下上下文：{context}n回答：{query}"Comparação de efeitos
测试显示相比传统方法：
– 基础查询节省68%令牌消耗
– 响应延迟降低40%
– 答案准确率提升22%（因噪声减少）
Essa resposta foi extraída do artigoDiffMem: um repositório de memória com controle de versão baseado em Git para inteligências de IAO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " 怎样优化AI对话系统中文档检索的令牌经济性？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch