核心思路:知识库 + 记忆库,让 AI 从'会回答'到'懂你'
这次搭建的核心,是 openJiuwen 的记忆库新特性:
- 知识库:作为'公共知识底座',存储全行业职业数据、专业与岗位对应表,解决'专业能做什么'的问题;
- 记忆库:作为'用户专属档案',存储用户的专业背景、职业偏好、咨询历史,解决'你适合做什么'的问题;
- 大模型:负责理解用户需求,同时调用知识库和记忆库,生成精准、个性化的职业建议。
一句话概括:用知识库提供行业广度,用记忆库赋予用户温度,让这两者的结合更高效、更灵活。
第一步:模型配置——打好智能体基础
openJiuwen 支持独立配置 LLM 和 Embedding 模型,可以根据场景选择最适合的工具:
1. LLM 模型(对话与记忆理解)
选择了 DeepSeek-V3.2,通过 SiliconFlow 平台接入:
- 模型友好名称:
Pro/deepseek-ai/DeepSeek-V3.2 - API 协议:
SiliconFlow - 基础服务地址:
https://api.siliconflow.cn/v1/chat/completions - API 密钥:从 SiliconFlow 控制台获取
这个模型负责理解用户对话、解析记忆库中的用户信息,是实现个性化推荐的核心。
2. Embedding 模型(文本向量化,支撑记忆检索)
为了让知识库和记忆库能被高效检索,配置了 text-embedding-v4:
- 模型友好名称:
text-embedding-v4 - API 协议:
OpenAI - 基础服务地址:
https://dashscope.aliyuncs.com/compatible-mode/v1 - API 密钥:从阿里云百炼控制台获取
它负责将用户的对话和记忆数据转换成向量,是记忆库能快速定位用户信息的关键,同时检索上传的知识库。
第二步:知识库搭建——全行业职业数据
知识库是智能体的'公共大脑',上传了两份核心文档:
- 《2025 年全行业职业数据知识库(含传统 + 第七批新职业完整版).md》:包含各行业岗位名称、能力要求、薪资范围和发展趋势;
- 《专业与就业岗位核心对应表.md》:明确了不同专业(如计算机、金融、机械)对应的典型岗位和适配方向。
上传后,系统自动对文档进行了索引和增强,确保后续检索时能快速定位到相关信息。
第三步:记忆库创建——openJiuwen 新特性的核心应用
这是本次搭建的重点,充分利用了 openJiuwen 的独立记忆库功能:
1. 记忆库核心配置
- 记忆库名称:
职业记忆分析 - 描述:存储用户专业背景、职业兴趣及各专业对应的职业图谱,包括岗位名称、能力要求、晋升路径等,用于辅助生成个性化职业建议、专业转岗方案及职业发展规划。
- 关联模型:
- Embedding 模型:
text-embedding-v4(负责记忆数据向量化) - LLM 模型:
Pro/deepseek-ai/DeepSeek-V3.2(负责记忆理解与生成)
- Embedding 模型:


