WeKnora / DB-Agent-Memory 跨赛道索引
犀牛鸟 2026 的两个腾讯核心项目——WeKnora（RAG 知识库）与 DB-Agent-Memory（Agent 记忆）——在本站分别是 RAG 与 AI 记忆赛道的主角，又在对方赛道反复出现（Memory vs RAG 边界、腾讯记忆生态、互操作挑战）。本页汇总两个项目的全部文档入口，避免在两个赛道之间来回找。
WeKnora 文档索引
WeKnora 是腾讯开源的 RAG 知识库框架（Go + Python），本站覆盖最深的单一项目——从架构精读到源码走读到 15 篇真实 PR 案例。
主线（RAG / 知识库赛道）
| 文档 | 聚焦点 |
|---|---|
| WeKnora 精读 | 设计哲学、三路检索、PMI 图谱、Wiki 自维护 |
| WeKnora 竞赛指南 | 第一周 checklist、环境矩阵、贡献分级 |
| 导读 Ch06 架构深剖 | EventManager + Plugin、RRF、自适应分块 |
| 导读 Ch21-Ch32 源码走读 | 12 章逐模块源码精读（请求生命周期 → 向量库适配器 → Wiki 自维护） |
| WeKnora 实战 15 案 | 15 篇真实 merged PR 精读（issue → 定位 → 修复 → 测试） |
| 导读 Ch14 动手实验室 | 本地跑通 WeKnora 与最小 RAG |
跨赛道出现（AI 记忆赛道）
| 文档 | WeKnora 在其中的角色 |
|---|---|
| Memory vs RAG 边界 | RAG 侧代表：知识检索与经验记忆的分界 |
| 腾讯记忆生态 | 腾讯知识/记忆版图中的知识库一极 |
| 记忆导读 Ch06: Memory vs RAG | 对照案例：为什么记忆系统不能用 RAG 直接替代 |
推荐路线：精读 → 导读 Ch06 → 动手实验室 → 实战 15 案 → 竞赛指南；对 Memory 边界感兴趣再读跨赛道三篇。
DB-Agent-Memory 文档索引
DB-Agent-Memory（TencentDB Agent Memory）是腾讯云数据库团队的 Agent 记忆项目，AI 记忆赛道的竞赛核心——四层金字塔、MMD 注入、零依赖哲学。
主线（AI Agent 记忆赛道）
| 文档 | 聚焦点 |
|---|---|
| DB-Agent-Memory 精读 | 四层金字塔、MMD、零依赖设计 |
| 记忆导读 Ch08 | 面向初学者的架构解读 |
| 记忆导读 Ch20 竞赛指南 | 贡献路径、第一周行动清单 |
| 竞赛速查卡 | 环境矩阵、PR 准备清单 |
| 腾讯记忆生态 | 它在腾讯记忆版图中的位置 |
跨赛道出现（RAG / 知识库赛道）
| 文档 | DB-Agent-Memory 在其中的角色 |
|---|---|
| RAG 导读 Ch15: Memory vs RAG | Memory 侧代表：与 WeKnora 的边界对照 |
| RAG 导读 Ch46: Memory/互操作挑战 | 记忆与知识库互操作的挑战深读 |
| Agent 与 RAG 平台集成 | 记忆层在 RAG 平台集成中的位置 |
推荐路线：精读 → 记忆导读 Ch08 → 与 mem0/Letta 等横向对比（记忆导读 Ch09-Ch14）→ Ch20 竞赛指南。
两个项目的关系：一条边界，两种贡献路径
| 维度 | WeKnora | DB-Agent-Memory |
|---|---|---|
| 解决的问题 | 知识检索（「事实是什么」） | 经验记忆（「用户是谁、发生过什么」） |
| 所属赛道 | RAG / 知识库 | AI Agent 记忆 |
| 语言 | Go + Python | Python |
| 本站研究深度 | 47 章导读 + 15 案例 + 竞赛指南 | 20 章导读 + 精读 + 竞赛指南 |
| 竞赛指南 | 独立 CONTRIB | guide Ch20 |
两者的边界与协作模式（记忆何时该沉淀为知识、知识何时该个性化为记忆）在 Memory vs RAG 边界 与 RAG 导读 Ch46 中有专门分析——如果你在两个志愿之间犹豫，这两篇是最好的决策输入。