有来源的 RAG
让原始文档保持权威，召回可引用分块，并只把持久结论存成记忆。
使用两条明确路径：来源材料进入 documents，用户偏好、决策与持久结论进入 memories。这样任意段落不会变成个人事实，同时模型仍能获得有根据的上下文。
写入来源
const ingested = await fishmem.documents.ingest(
{ source_key: "handbook/deployments.md", content: markdown, mime_type: "text/markdown" },
{ idempotencyKey: `source:${contentHash}` },
);二进制文件使用 documents.upload()，保存返回的操作 ID并等待提取终态。
模型调用前召回证据
const { results } = await fishmem.documents.search({
query: userQuestion,
source_key: "handbook/deployments.md",
limit: 5,
neighbors: 1,
});把来源 key、版本、字节区间与内容一起传入带标签的 Evidence 区块，答案展示时保留引用。
单独保存持久结果
await fishmem.memories.add({
content: "Production deployment requires the integration suite and rollback owner.",
infer: false,
agent_id: "release-agent",
metadata: { source_document_id: ingested.document.id },
}, { idempotencyKey: `decision:${decisionId}` });新版本会保留旧版本并移动 current head。永久删除来源时，所有版本、分块、向量、原件与提取产物作为同一来源族删除；关联记忆应按你的保留策略单独处理。