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：
