LLM 记忆系统:从 Markdown 知识库到 Self-Governing Repo
这类问题很容易被误判成“缺少一个更大的上下文窗口”,或者“需要一个更强的向量数据库”。但如果把它放到工程系统里看,真正缺失的不是 存储本身,而是一套能持续维护、能区分证据来源、能在规模变大后继续演化的个人工作上下文系统。
这类问题很容易被误判成“缺少一个更大的上下文窗口”,或者“需要一个更强的向量数据库”。但如果把它放到工程系统里看,真正缺失的不是 存储本身,而是一套能持续维护、能区分证据来源、能在规模变大后继续演化的个人工作上下文系统。
OpenClaw 是 AI Agent Gateway,支持 CLI、常驻 Gateway、Control UI 和多渠道接入。Linux 是 官方推荐的生产部署平台,支持三种主流方式:
我也做过一次一键部署。 但这次复盘想说的不是省了多少时间 —— 省时间只是结果,不是真正的价值。
你是不是也这么干过?在 Termux 里用 python server.py 跑了个 Flask 应用,一切正常,切出去回个微信,再切回来——进程没了,服务挂了。
这不巧了,一个很好的 GLM-5.2 模型长程任务测试 case 这就来了:将 PowerMem 的 Python SDK 到 TypeScript SDK 进行功能对齐。
直到我发现了双曲面空间向量检索的优势——为自主智能体和机器人打造的 空间 AI 引擎。双曲几何(Poincaré、Lorentz),拥有锁无关架构带来的极致性能,并且内置了基于默克尔树(Merkle Tree)的边‑云差分同步协议。与 Gl...
平时的用法是我们把需求丢给 AI:描述功能、举例子、列边界情况。AI 点头答应,写起来才发现它根本没理解——漏了业务约束、跟现有架构对不上,或者把复杂度想简单了。然后就开始来回改,token 和时间都烧掉了。
故障现场通常不是缺信息。
这篇论文讨论的是 Agent 长任务里的上下文管理:当历史内容不断累积时,系统如何在减少冗余 token 的同时,尽量维持 prompt cache 的稳定命中。
动画视频在 《30. AI Skills 技能系统,让 Agent 自动变强》。