## 背景 DivineSense 当前架构： - **PostgreSQL**：生产环境，完整 AI 支持（pgvector、会话记忆、长期记忆） - **SQLite**：仅开发环境，不支持 AI 功能 ## 技术分析 ### 核心差异 | 特性 | PostgreSQL | SQLite | 可行性评估 | |:-----|:----------|:-------|:-----------| | 向量搜索 (pgvector) | ✅ 余弦相似度、HNSW 索引 | ❌ 无向量计算 | **极低** - 需要自定义向量扩展 | | 会话持久化 | ✅ JSONB + 30天保留 | ❌ 不支持 | 中 - 可实现 | | 长期记忆 | ✅ episodic_memory 表 | ❌ 不支持 | 低 - 表结构可实现 | | 用户偏好 | ✅ JSONB 复杂查询 | ❌ 不支持 | 中 - JSON 可替代部分 | | 混合检索 | ✅ BM25 + 向量 + RRF | ⚠️ FTS5 有限 | 低 - FTS5 能力有限 | | 并发写入 | ✅ 高并发支持 | ⚠️ 写入锁限制 | 中 - AI 交互大量并发 | ### 核心障碍 1. **向量搜索**：pgvector 是 PostgreSQL 专用扩展，SQLite 无原生向量相似度计算 2. **自定义扩展**：需要编写 SQLite C 扩展（复杂、维护成本高） 3. **性能问题**：AI 交互产生大量并发写入，SQLite 锁机制成为瓶颈 ## 任务 - [ ] 调研 SQLite 向量搜索扩展（sqlite3-vss? 外部向量库?） - [ ] 评估纯内存向量检索的可行性 - [ ] 分析开发环境 AI 功能的必要性 - [ ] 提出技术方案或架构建议 ## 预期产出 - 技术可行性报告 - 成本效益分析 - 建议：保持双数据库架构 OR 探索替代方案 ## 参考资料 - [pgvector vs alternatives](https://github.com/pgvector/pgvector) - [SQLite FTS5 文档](https://www.sqlite.org/fts5.html) - 当前实现差异分析（已通过 Explore agent 完成）
背景
DivineSense 当前架构：
技术分析
核心差异
核心障碍
任务
预期产出
参考资料