使用C++开发的原因是我只会C/C++，虽然熟悉一点Python，但只能勉强上手，对于开发复杂度较高的项目，就会捉襟见肘。相较于Python、TypeScript等脚本语言，使用C++开发的难度比较大，由于缺少第三方库的原因，很多看似简单的功能都要亲自实现，哪怕是json解析。
比如一开始就遇到的通信问题，也就是大模型的流式（SSE）输出，尤其是这种输出是以chunk的方式到来。对于Python来说，通信这块可能连问题都算不上，因为只需要导入OpenAI库，就能解决所有的通信问题。
对于C++来说，现有的HTTP API显然无法满足这种要求，因此实现一个基于HTTP协议的、稳定的、健壮的、异步的通信就只能亲自动手实现了。这就意味要用原始socket实现一边接收数据，一边组装数据，一边解析数据，一遍展现数据。
实际上即使你完成了上述通信工作，也仅仅是个开始，接下来还有更多的来自业务层的问题等待你去解决：
1、通信过程中用户取消了会话；
2、多轮会话中用户取消了当前会话；
3、如何处理工具调用超时或异常，比如始终无法与一个远程MCP服务建立通信，或者外部工具一直不返回结果；
4、如何处理多工具调用：是多线程并发处理还是一个一个处理？如果其中一个异常该如何解决？
5、工具调用过程中，如果用户取消会话如何处理？如何优雅的解决掉正在执行中的工具调用？
6、工具返回数据过大如何处理，比如通过工具读取文件内容？
7、多轮会话如何防止上下文窗口爆炸？
8、多轮会话如何实现实时持久化，从而保证用户取消或程序异常退出时能够恢复当前会话？
...
上述这些不是异常，而是业务层实实在在会遇到的问题，一旦处理不好则会导致灾难性的后果，除非你只是写一个demo。
即使处理好上述工作也仅仅是让你的Agent实现了基本的chat功能 ，如何让Agent拥有"记忆 "和"自我进化 "的能力才是目前主流Agent的发展趋势，这也就是OpenClaw和Hermes流行的原因。
上述基础开发工作已经让我精疲力竭，"记忆"和"自我进化"只能在理解上述两个Agent的基础上去尽可能的实现，功能不是最重要的，设计思想才是最重要的
没苦硬吃的好处就是可以完全理解大模型和Agent之间的工作原理，以及可能会遇到的各种坑。下面介绍一下AIAgent特点，先放一段视频：
Agent基本演示之多轮会话
一、软件开发特点
- 完全使用C++开发，除Openssl和Sqlite外未使用任何第三方库，自主实现如下功能：
异步网络通信、HTTP会话、SSE流式数据解析、多轮会话管理、工具调用及MCP管理、长期记忆管理、技能沉淀等功能； - 纯绿色软件，除依赖库外不到800K，无需安装，拷贝即可使用,
C++开发难点也是它的优点，就是没有部署依赖，既不需要安装Python也不用安装Node.js，以及对应庞杂的依赖库。
下载地址：http://www.softlee.cn/AIAgent.zip
使用前先设置DeepSeek的API Key，请前往 DeepSeek官网申请API Key
PS：zip包中AIAgent.exe是主执行程序，AIMemory.exe为记忆管理工具，AIAgent会调用AIMemory进行记忆和技能沉淀。
二、支持上下文管理和长期记忆
-
支持长期记忆管理：使用文件、数据库、向量数据库三种存储方式实现不同层次的记忆保存；
1.1 文件 ：全量保存每轮会话的全部内容，用于历史会话恢复以及后续数据挖掘（持续优化记忆功能）；
1.2 数据库 ：仅保存每轮会话问答，不保存工具调用结果，方便用户按关键字查找历史会话消息；多轮会话可能存在大量的"非显示"工具调用内容，用户一般无法感知，这些工具调用结果可能会比较大，比如文件读取，
这种非显示的工具调用结果只是中间数据，不是最终结论，用户其实无需关心。
1.3 向量库：保存重要会话的"压缩"摘要，实现语义级搜索，方便Agent进行历史消息查找； -
支持记忆沉淀和跨会话记忆恢复，围绕用户（人）和工作（事）两个维度沉淀长期记忆。
1.1、用户相关记忆包括：用户的身份、行事风格、工作习惯、行为偏好等；
1.2、工作相关记忆包括：用户使用的开发工具、语言、环境等，可能从事的工作领域和常用的办公软件等；
-
支持可控上下文管理
1.1、支持滑动上文窗口管理，可手动配置窗口大小；
1.2、支持上下文长度报警，当上下文超过手动设定的阀值触发报警；
-
长期记忆的提取和沉淀时机。采用如下两种方式：
1.1、一种是LLM根据当前会话内容自主判断是否具备沉淀价值，如果具备则触发记忆沉淀，即调用子Agent（AIMemory.exe）进行记忆提取和沉淀；
1.2、另一种是用户手动进行记忆沉淀，手动也分两种方式：一种运行时沉淀，用户在对话过程中明确要求沉淀，比如告诉LLM帮我记住此次会话或其它类似表达方式。另一种是事后沉淀，用户可通过查看历史消息并对有价值的对话进行记忆沉淀。
通过上述两种方式，可以确保记忆不被"遗忘"。如果Agent没有及时沉淀记忆，用户还可以进行"补救"操作。
为何这样设计？
Agent在记忆方面是"慢热"的，需要长期积累，也就是说他和用户之间有一个熟悉过程。在此过程中就不可避免的会出现LLM觉得无需沉淀，但用户觉得可以沉淀的情况。通常LLM会被Prompt严格限制，因此更加趋于"保守" 。
通常用户在编写Prompt时会要求Agent沉淀最重要的、具有长期价值的会话，而不是闲聊 。无论你如何设计Prompt都很难在早期避免这种情况，
如果Prompt写的过于宽松，就会导致记忆过载，一旦记忆过载或被"污染"，则记忆本身的价值就失去了。只有用多了，Agent才能知道哪些内容对用户是有价值的，用户关心的是什么，这就是小龙虾为何要用"养"这个字，Hermes为何越用越懂你的原因。
记忆这块不存在最好的解决方案，只有最合适的解决方案，不同业务模式和流程对应的记忆侧重点可能是完全不同的。
比如面向编程业务的Claude Code，此时不仅要记住过往的重点内容，还要记忆当前的工作状态，即最近用户操作的文件、函数、错误日志、解决方案 等。如果你面临的业务是电商，显然无法套用Claude Code的记忆管理方式。
正因如此原封不动的保留原始会话的内容非常重要和关键，因为记忆的提取、归纳和召回是可以在后续不断改进和优化的，只要原始对话数据存在，这种优化改进才能在以后得以实现。整个Agent的工作其实大部分就是围绕"记忆"的保存、提取和召回开展的。
图一、历史会话消息，以文件形式保存，方便Agent恢复会话
图二、会话详情
图三、 历史会话消息，保存于Sqlite数据库，方便用户查找
三、支持技能自主沉淀；
- 内置CLI功能（支持cmd和powershell）和文件读写操作；
- Agent通过上述内置功能自主实现skill的沉淀；
个人认为，CLI对于Agent而言就是最好、最合适的工具！ 如果不加限制的使用CLI，你的Agent一定可以做出很多你想不到的事情。
理论上Agent可以通过CLI操作所有工具，甚至可以调用CLI安装它所需要的工具，并进行学习使用，从而完成自主学习 。
很多CLI工具，其命令行参数非常庞大，一般用户很难记住，但对于大模型来说则完全不是问题。
对于大模型，Python是其最熟悉的语言，甚至比大部分开发人员更加熟悉，起码编写后不会出现语法错误。
正因如此，开放文件的读写就显得非常重要，对于复杂的任务，Agent完全可以通过文件操作写一段Python脚本，并将其执行，从而实现最终的目的。
在此过程中skill的积累是自然而然的，你只需要让Agent知道需要进行Skill积累这件事就行了，它通常比你还了解这些"技能"以及使用过程中踩过的坑，因此它会比你亲自管理这些技能要好很多。
基于上述原因，内置CLI和文件读写操作就非常有必要，它几乎是一个通用Agent的标配。
四、其它特色功能
- 支持远程MCP功能管理，按需启动远程工具；
- 提供MCP的ToolCall编辑功能；
- 支持OpenAI和Anthropic两种API数据格式；
- 支持微信接入（考虑到微信几乎是国民必备，优先实现微信接入，用C++开发有难度，实在无力接入太多）；
- 支持多轮会话中的查找：按词查找和按会话查找；
远程MCP管理
微信ClawBot接入会话
多轮会话内容查找