Glean 拾遗
最近收录

6 条 · 按时间

11-14

常驻 Agent 的五个原语:收件箱、定时器、记忆、权限与发件箱

常驻 agent 其实并不常开:它绝大部分时间处于休眠,被事件唤醒后跑一段短促的 run,再写回状态继续睡。文章把这套外围架构拆成五个原语。event inbox 用一张持久事件表、一个 handler 和一个 worker 取代「事件源直调 agent」,避免并发 run 和崩溃丢事件;timers 分为 agent 自设的 follow-up 与周期性 schedule,独立存储,由 scheduler 轮询后转成 inbox 事件;memory 用目录化的文件保存用户指令、用户画像、已说过的话和任务进度,原则是只存查不到的东西,其余留指针;permissions 用凭证代理、auto mode 分类器和 deferred tool call 把审批变成一次新的 run;outbox 用 dispatcher 控制投递节奏与失败重试。量化证据不多,唯一硬数字是长周期 coding benchmark 上 Opus 5.5 每个解决任务的成本比 Opus 5 低 78%,常规负载只有 40%。作者也承认 compaction 与新开会话都会丢细节。适合正在把 agent 从“单轮问答”改成“后台常驻”的工程团队。

claude.com · 15 min · Agent Architecture · Agent Infrastructure · Agent-Memory
11-13

Agent 并发写同一份记忆会静默丢更新,Omnigraph 用 Git 分支模型接管冲突

两个 Agent 同时对同一份共享记忆做读-改-写,丢更新会静默发生:Codex 拿着旧副本回写整条记录,把 Claude Code 刚改成 Postgres 的字段又改回 Redis,两边日志都显示成功。作者梳理了三种常见解法——单一写入者、行锁/乐观版本校验、last-write-wins——并指出共同缺口:一次多步任务跨多条记录,这些机制既不产出可审阅的 diff,也不留历史。文章随后介绍 Omnigraph(Rust 编写、MIT 许可的开源图数据库,内置 Git 模型):每个 Agent 写自己的分支,merge 时与 merge base 比对,main 被改过就返回 divergent_update 并拒绝发布。动手部分用 Claude Code 与 Codex 跑完整流程,覆盖 @key 稳定 ID、--snapshot 读旧版本、Cedar 策略加独立 token 让写 main 返回 403。适合在搭多 Agent 共享状态的人;标题声称的 1000 Agent 规模并未演示,实测只有一名开发者加两个 Agent。

x.com · 11 min · Agent Infrastructure · Agent-Memory · Multi-Agent
08-23

为 AI Agent 设计的自演进上下文数据库

OpenViking 是面向 AI Agent 的开源上下文数据库,把记忆、知识资源与技能统一挂载到 viking:// 虚拟文件系统,让 Agent 用 ls/tree/find 这类文件操作浏览上下文,而不是查询黑盒向量库。写入时内容会被加工成 L0 摘要、L1 概览、L2 详情三层,按需加载以节省 token;检索采用目录递归下钻,并保留完整浏览轨迹供排查。适合正在构建 Agent 记忆、Agentic RAG 或上下文管线的工程师参考或直接集成。

github.com · 19 min · Agent-Memory · Agentic RAG · Context Database
06-23

不再手动提示AI:设计循环,让智能体自主迭代

本文提出“循环工程”概念:与其手动逐次提示编码智能体,不如设计一个自动化系统——由调度任务、工作树隔离、技能定义、插件连接和子智能体审查组成的循环,让智能体自主发现工作、执行并验证。作者对比了Codex与Claude Code两个工具中这五个组件的具体实现(如自动化的`/goal`命令、基于`SKILL.md`的技能系统、通过`git worktree`实现的隔离),并强调状态持久化(Markdown文件或Linear看板)是循环稳定运行的关键。核心洞见是:循环设计比提示工程更难,因为软件工程师的角色从操作者转变为系统设计师,同时仍需承担验证质量、维护理解力、避免认知屈服的责任。

addyosmani.com · 14 min · Agent Architecture · Agent-Memory · Ai Tooling
06-17

面向 AI 时代的全栈记忆引擎:自动提取、持续更新、智能遗忘

Supermemory 是一套为 AI 应用和 Agent 设计的记忆与上下文引擎,提供 API、MCP 服务、浏览器插件和 Web 应用。它解决了大模型对话间记忆丢失的问题,能自动从对话中提取事实、构建用户画像、处理知识更新和矛盾,并支持智能遗忘过期信息。项目集成了混合搜索(RAG+记忆)、文件解析和多款 SaaS 连接器,让开发者用单一接口即可为应用注入持久化、个性化的上下文能力。适合正在构建 AI Agent、需要完整记忆层的工程师,也适合希望个人 AI 工具具备跨会话记忆的用户。

github.com · 14 min · Agent-Memory · Ai-Memory · Cloudflare
06-14

Hermes Agent:自我进化的跨平台 AI 智能体运行时

Hermes Agent 是一个自我完善的 AI 智能体框架,内置学习闭环:它从对话中提取技能、持续优化、自动管理记忆,并通过统一网关在 Telegram、Discord、CLI 等多个平台提供一致的交互体验。支持任意 LLM 后端,可部署在低成本 VPS 或 serverless 环境上,闲置时几乎零成本。内置 cron 调度、子智能体委派等功能,也提供批量轨迹生成用于语言模型训练。适合需要长期运行、自主调度的工程师和研究者。

github.com · 11 min · Agent-Memory · Agents · CLI