為什麼我捨棄向量資料庫，改用 SQLite 三元組與高維 VSA 向量打造本地記憶系統

• 作者在專案 Hillock v0.5 中放棄傳統的 向量資料庫與密集雙編碼器 架構，改採明確的神經符號學分割設計。 • 系統核心採用 SQLite 知識圖譜 儲存乾淨的 SPO 三元組，確保事實不會發生向量漂移或模糊近似。 • 結合 10,000 維超向量（VSA） 與子詞 n-gram，在 CPU 上實現小於 1 毫秒的查詢與事實相似度檢查。 • 透過 TALON 引擎 在不呼叫 LLM 的情況下，僅需約 5 秒即可將文件解析成三元組。 • > 當查詢未通過 HDC 相似度閘門時，系統會直接回傳硬拒絕，將控制流程交由程式而非依賴提示詞工程。 • 釋出的 v0.5.0 版本新增一鍵啟動器、Ollama 權杖串流及互動式指令，並在 CPU 上提供完整的驗證套件。