【今日观点】 Agent 记忆系统难在取舍
真正拉开差距的地方,不在这些名词,而在边界条件。
真正拉开差距的地方,不在这些名词,而在边界条件。
本文将用 Solon AI 4.0 的 ReActAgent 带你构建生产级的 AI Agent。读完你将学会如何构建一个能够推理复杂问题、使用外部工具、并根据实际反馈调整行为的智能体。
打开博客园后台看了一眼,上次发文章已经是9年以前了,见上图,有几篇文章还是草稿状态。
首页有三篇文章分别是
核心判断:“AI数据库不是对上一代产品的简单修补,而是一次底层基础设施的重建。”杨冰认为,数据库正首次迎来非人类使用者——Agent(智能体),Agent需要的是完整的多模态世界。AI数据库需要原生具备三个关键能力:上下文(精准供给信息)、...
做传统开发,比如 WinForm、WPF 这些,虽说其他IDE也能写,但说实话, 正经干活还是得用 Visual Studio,这东西在.NET圈的生态地位确实没法替代。
TXT文件是最简单的文本格式,读写TXT无需任何第三方库。 Python代码先调用open函数打开TXT,再调用read函数读取全部文本内容,也可循环调用readline函数依次读取每行文本。
本文以 桌面端为默认视角来组织内容,同时为 CLI 用户单列一章。无论你用哪种形态,核心能力(Skills、AGENTS.md、MCP、Automations)是打通的。
用 AI 编码助手写了大半年代码,有两个问题我一直在跟它们搏斗。
第一版用了三个模型,后来发现多模型 ≠ 多能力。于是砍的只剩 DeepSeek V4 双胞胎:
由于成本 / 技术 / 与主题无过大关联 等原因,我并没有手撕一些组件,列举如下: