$ loading_
为 AI 代理提供持久记忆与知识图谱，支持跨会话回忆决策、错误和偏好。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"raggy-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请说明如何在我的 AI 代理中接入 raggy-mcp，实现跨会话保存用户偏好、历史决策与已知错误，并给出推荐的数据结构。
一份接入方案，包含记忆类型划分、存储结构建议与调用流程。
使用 raggy-mcp 帮我查找这个代理此前为何拒绝某个方案，整理相关决策记录、触发条件和后续修正。
返回相关历史记录摘要，说明拒绝原因、上下文和后续调整。
请基于 raggy-mcp 设计一个适用于多代理协作的知识图谱方案，用于关联任务、结论、偏好、错误案例与负责人。
输出知识图谱结构设计，包含实体关系、示例节点与维护建议。
帮助 AI 代理跨应用读写记忆，持续学习用户偏好与知识关系。
智能检索增强生成工具，可自动在私有知识库与网页间选择信息来源。
让 AI 安全检索本地私有文档，并基于持久记忆回答问题。
通过自然语言查询 Qdrant 向量库，检索相关上下文与元数据。
将双 RAG 检索能力封装为 MCP 工具，支持鉴权后的图增强与混合检索调用。
为大模型建立文档索引并按需检索相关上下文，提升问答质量。