完整能力展示,涵盖 LLM 集成、演进流水线和 DataPlug 扩展。
依赖标记说明见 examples/README.md。
uv run python examples/advanced/research_agent.py依赖: 仅项目本身,无需额外安装。
场景:研究 Agent 调查"分布式数据库",从原始资料到技能蒸馏的完整链路。
演示:
- 多
source_type的ContextItem写入与 provenance retrieve(kind=hits)vsretrieve(kind=context)(ranked vs budgeted)expand()按需升级 hit 为全量内容- 条目间链接:
supports/refutes/supersedes - 演进流水线:
raw → extracted → knowledge → skill - 生命周期压缩(compaction)
- Trace 写入与训练数据导出
- 策略路由与 canary 规则
- Skill 导出(
skill_tools/skill_context)
uv run python examples/advanced/evidence_chain.py依赖: 仅项目本身,无需额外安装。
场景:SRE 故障排查,从监控告警、日志到回滚建议的多层证据 DAG。
演示:
derived_from/supported_by/refuted_by链接构建证据图upstream()— 快速追溯来源evidence_chain()— 完整 DAG、置信度传播、冲突检测、关键路径chain_confidence()— 轻量置信度查询
uv run python examples/advanced/llm_full_pipeline_ob.py依赖:
pip install "contextseek[oceanbase,langchain,openai]"演示:
- Phase 1:LLM rerank + dream
- Phase 2:LLM merge + 冲突检测
- Phase 3:LLM stage 推断 + distill + feedback 解析
- 通过
PromptSettings(PROMPT_*环境变量)覆盖 prompt 模板
uv run python examples/advanced/powermem_minimal.py依赖: 仅项目本身(含内置 mock 数据,无需安装 powermem)。
~50 行演示:已有 PowerMem 用户如何通过 PowerMemPlug 接入 ContextSeek,
在不改变 memory.add / memory.search 习惯的前提下获得 trace/RAG/playbook 的统一召回。
uv run python examples/advanced/powermem_plug.py
# 使用真实 PowerMem(需安装):
USE_POWERMEM=live uv run python examples/advanced/powermem_plug.py运行模式(USE_POWERMEM 环境变量):
auto(默认):已安装则用真实 PowerMem,否则用内置 mocklive:强制使用pip install powermem(内存 SQLite)mock:强制使用内置 mock 数据
演示:
- ContextSeek 作为 DataPlug socket:
PowerMemPlug将 PowerMemget_all行转为ContextItem PowerMemPlug.from_records()— 规范化 PowerMem 数据格式- 同一 scope 下 PowerMem 记忆与 ContextSeek-native 知识的统一
retrieve() - Provenance(
powermem://<id>)与powermemtag 过滤