寻剑_个人页

Tablestore OpenMemory MCP : 跨会话、跨模型的智能记忆解决方案

本文介绍了Mem0的原理与应用场景，并基于Mem0构建了Tablestore OpenMemory MCP服务，实现个性化旅行规划助理。Mem0是一种为大型语言模型设计的智能记忆层，通过向量数据库持续学习用户交互信息，实现跨会话的个性化记忆管理。该服务提供多种MCP工具，便于集成到各类AI应用中。最后演示了个性化旅行规划应用，并介绍了服务的运行与配置方式。

基于 Tablestore 的 Agent Memory 框架

本文介绍了AI Agent对存储能力的挑战，尤其是Memory和Knowledge两类核心需求。为应对这些挑战，基于阿里云Tablestore提出了一种轻量化的Agent Memory框架设计，支持实时记忆存储与语义检索等场景。该框架已在多个实际业务中落地，如通义App、某头部浏览器的AI搜索及1688商品AI搜索等，验证了其高性能、高扩展性和低成本优势。未来将继续增强多模态与用户行为分析能力，并与主流AI框架共建生态。

Tablestore集成MCP协议: 标量与向量混合检索的新范式

基于表格存储（Tablestore）实现的MCP（Model Context Protocol）服务，支持文档存储与混合检索工具两大功能。通过Cherry-Studio界面和通义千问qwen-max模型进行演示，展示了文本数据上传、向量嵌入及查询过程。此外，详细说明了Python和Java版本的本地运行步骤、环境配置及二次开发方法，并提供了集成三方工具如Cherry Studio的应用示例。Tablestore凭借混合查询、Serverless低成本、弹性扩展等优势，为MCP场景提供高效解决方案。

AI艺术新境界：用Stable Diffusion插件重塑图像创造与管理

在人工智能艺术的领域，创新的火花从未停止闪耀。Stable Diffusion作为当前最为前沿的文本到图像技术之一，已经打开了艺术创作的新门户。但是，随着生成的图像数量日益增长，如何有效地管理和再创作这些作品成为了新的挑战。今天，我要为大家介绍一个我们开发的 Stable Diffusion 插件：aliyun-tablestore-tool-sd-manager-extension，它不仅提高了图像创作的效率，更带来了全新的图像管理体验。

为什么订单场景大家都使用这个产品?

# 前言 订单场景是商业公司中最核心的场景之一，具体如购物订单、外卖订单、交易流水、设备信息等等。 技术负责人在进行订单场景技术选型时候需要在各个维度进行架构决策，会对成本、性能、规模、运维、研发效率、扩展性等各个方面进行综合考虑和取舍。 根据接入我们产品的用户经验来看，在业务初期数据规模较小，基本上 MySQL 类产品能够通吃所有需求，很少遇到瓶颈或问题。随着业务规模增长，会有越来越多的问题暴

表格存储Tablestore-多元索引最佳实践

本文将大量用户和业务在使用表格存储(Tablestore)的多元索引时候遇到的问题总结为最佳实践提供给大家。

Tablestore的SDK如何配置自定义重试

当我们的应用服务遇到网络抖动、服务端进行分区分裂等问题时候，会出现请求超时或者失败。Tablestore的SDK里默认配置支持一些基本的重试逻辑，但是并不能满足所有业务，因此这里介绍一下常见语言的SDK中如何自定义进行重试。JAVA构造Client，传入指定的重试策略。ClientConfiguration clientConfiguration = new ClientConfiguration

Elasticsearch的TermsQuery慢查询分析和优化

前言 本篇文章主要记录业务上的一个TermsQuery优化和分析的过程和一些思考。 在使用ES的时候，经常会遇到慢查询，这时候可以利用profile进行分析，当利用profile也查看不出什么端倪时候，可以尝试通过阅读代码查看查询为什么这么慢。如下是一个我们内部业务的一个慢查询，经常出现4s左右的延时，一模一样的查询，但是延时不一样，且很难复现。 { "from": 0,

大规模订单系统解读-架构篇

从最早的互联网高速发展、到移动互联网的爆发式增长，再到今天的产业互联网、物联网的快速崛起，各种各样新应用、新系统产生了众多订单类型的需求，比如购物订单、交流流水，外卖订单、支付账单、设备信息等。数据范围不仅越来越广，而且数据量越来越大，原有的经典架构方案已经很难满足当前新的业务场景。在新的需求下，对存储规模、开发效率、查询功能、未来扩展性等众多方面提出了更高的要求，要设计一款可靠稳定且扩展性好

Elasticsearch之SearchScroll原理剖析和优化

Elasticsearch是一款优秀的开源企业级搜索引擎，其查询接口主要为Search接口，提供了丰富的各类查询、排序、统计聚合等功能。本文将要介绍的是另一个查询接口SearchScroll，同时介绍一下我们在这方面做的一些性能和稳定性等方面的优化工作。   Elasticsearch的SearchScroll接口可用于从索引中检索大量数据，或者是所有的数据，值得注意的是Elasti

表格存储-多元索引的limit限制提高到1000

基于表格存储Tablestore和OSS实现企业网盘

  表格存储Tablestore是阿里云自研的结构化数据存储平台，提供海量结构化数据存储以及快速的查询和分析服务。表格存储Tablestore的分布式存储和强大的索引引擎能够支持PB级存储、千万TPS以及毫秒级延迟的服务能力。阿里云对象存储服务（Object Storage Service，简称 OSS），是阿里云提供的海量、安全、低成本、高可靠的云存储服务。 网

Tablestore入门手册--表(Table)管理

表管理接口概述 API 描述 createTable 创建表 deleteTable 删除表 listTable 列出实例下的所有表 updateTable 更新表（在表被创建之后，动态的更改表的配置或预留吞吐量）

Tablestore入门手册--表(Table)管理

基于表格存储Tablestore和OSS实现企业网盘

表格存储Tablestore是阿里云自研的结构化数据存储平台，提供海量结构化数据存储以及快速的查询和分析服务。表格存储Tablestore的分布式存储和强大的索引引擎能够支持PB级存储、千万TPS以及毫秒级延迟的服务能力。

IDEA 下如何修改 Elasticsearch 源码

使用jdk10在idea中进行Elasticsearch的源码修改。

如何快速开发一个IM系统

本文将会给大家介绍如何开发一个简单的即时通讯系统(IM)。 # 为什么不简单 > 我们的站点加一个即时通讯(IM)的功能，那么我们怎么做？ 在回家的路上，问了同是实习生（网络方向）的舍友这样一个问题，他回答：`“很简单，只需要在服务端保存一个list，收到一个人的message后，我转发给list中指定的另一个人就好啦”` 接着，我们讨论了一晚上下面的几个问题 1.

如何快速开发一个IM系统

本文将会给大家介绍如何开发一个简单的即时通讯系统(IM)。 Timeline 模型是 TableStore团队针对消息数据场景所新创的一个数据模型，它的特色在于能够满足消息数据场景对消息保序、海量消息存储、实时同步的特殊需求。

表格存储：为 AI 注入“记忆”，构建大规模、高性能、低成本的 Agent Memory 数据底座

本文探讨了AI Agent市场爆发增长背景下的存储需求，重点介绍了Tablestore在Agent Memory存储中的优势。2025年被视为AI Agent市场元年，关键事件推动技术发展。AI Agent的存储分为Memory（短期记忆）和Knowledge（长期知识）。Tablestore通过高性能、低成本持久化存储、灵活的Schemaless设计等特性满足Memory场景需求；在Knowledge场景中，其多元索引支持全文、向量检索等功能，优化成本与稳定性。实际案例包括通义App、某浏览器及阿里云多项服务，展示Tablestore的卓越表现。最后邀请加入钉钉群共同探讨AI技术。