memory

一条咸鱼_SaltyFish

Agent 工程化避坑指南——从实践看常见反模式最近和几个做 Agent 开发的朋友聊了聊，发现一个有趣的现象：大家都在用 Agent，但很多人用不好。更常见的情况是：换了更贵、更强的模型，效果却没有明显提升；或者某个 Agent 本来跑得好好的，突然就开始出问题，修来修去也没找到根本原因。

一条信息在 PowerMem 中的完整旅程，从写入到淘汰的工程拆解第一篇：PowerMem 记忆系统的遗忘设计，从神经元到代码工程上一篇 PowerMem 记忆系统的遗忘设计，从神经元到代码工程从认知科学的角度聊了遗忘机制，包括突触可塑性、艾宾浩斯遗忘曲线、间隔重复和理想的困难。都是一些很有意思的认知学理论。

1.3 交互基础：Prompt、Context、Memory、思维链 CoT学会了 LLM 是怎么训练出来的，接下来最重要的技能来了：怎么跟它说话。同样的模型，高手能用出 120% 的效果，新手只能发挥 30%——差距全在交互技巧上。这不是玄学，是一套可以系统学习和复制的工程方法论。

[MAF预定义的AIContextProvider-03]ChatHistoryMemoryProvider——赋予Agent从经验中学习的能力LLM具有固化的知识，而且针对LLM的调用是完全无状态，永远只做一锤子买卖。但是交给Agent的任务基本上不可能一蹴而就，而且还希望Agent具有学习进化的能力。所以你会发现，很多的Harness手段的目的就是为了弥合两者之间的鸿沟。解决这个问题的基本的前提是：需要赋予Agent记忆。短期记忆赋予Agent在同一个语境下进行多轮对话的能力，对于MAF来说，就是Session。长期记忆实现了跨Session的信息共享，其共享范围可以针对用户（比如了解用户的偏好）、针对Agent(比如了解Agent的能力和经

从优雅到爆烈 —— Linux全力回收内存的一生前面文章中，我们提到 ES因操作系统内存不足而被OOM的故事，但OS本身并没有那么简单粗暴，在OOM之前，其实它还动用了很多方法。

AI时代大前端Agent开发LangChain.js受众：Agent 开发初学者 / 实习生 /前端开发/全栈开发目标：用 JavaScript/TypeScript 构建你的第一个 AI Agent bilibili：计划制作中

PowerMem 记忆系统的遗忘设计，从神经元到代码工程如果 Agent 将所有我说过的话都记住会是什么场景？乍一听很合理，作为一个合格好用的 Agent 当然是要将对方说过的话都记住，这样就会越用越聪明，就像人类的也是通过不断的学习记忆进行成长。但事实是这里一个反直觉的现实是，真正真实可靠的 memory 并不是将所有内容都记住就万事大吉。在记住的同时进行遗忘是很重要的事情。在 Agent 的记忆系统中也同样，遗忘不是缺陷，而是能力。

Agent-Tool Use之前我们学习了Agent里的RAG和Memory，但还有一个很关键的部分一直没细讲，那就是Tool Use（工具调用）。

OpenClaw memory_search：语义搜索实战本文深入探讨 OpenClaw 框架中的 memory_search 语义搜索功能。从向量搜索原理、工具参数详解、搜索策略优化到实战应用场景，全面解析如何高效检索记忆内容。通过实际案例演示用户偏好查询、历史决策追溯、问题解决方案检索等典型场景，帮助开发者构建具有智能记忆检索能力的 AI 应用，实现"过目不忘"的效果。🔍

OpenClaw 日志记忆：memory/YYYY-MM-DD.md本文详细介绍 OpenClaw 的每日日志系统 memory/YYYY-MM-DD.md。从日志文件结构、写入时机、内容规范到自动化管理，全面解析如何通过每日日志实现 AI Agent 的短期记忆能力。通过实际案例演示日志的创建、更新、查询流程，帮助开发者构建具有时间连续性的智能应用，实现任务跟踪和上下文恢复。📅

OpenClaw v2026.4.9 更新解析：Memory Dreaming、Control UI、安全修复、插件依赖与升级避坑大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.4.9。

OpenClaw v2026.4.10 更新解析：Active Memory、Codex Provider、本地 MLX 语音与升级验证指南大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.4.10。

OpenClaw v2026.4.5 更新解析：视频/音乐生成、ComfyUI 工作流、多语言控制台、Memory Dreaming 与升级避坑大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.4.5。

OpenClaw 记忆系统：MEMORY.md 使用指南热门文章推荐 OpenClaw 浏览器自动化实战 OpenClaw 多模型配置与切换详解本文深入探讨 OpenClaw 框架中的记忆系统设计与应用。从 MEMORY.md 长期记忆机制、memory/YYYY-MM-DD.md 每日日志、memory_search 语义搜索到记忆维护策略，全面解析如何让 AI Agent 拥有持久化记忆能力。通过实际案例演示记忆的写入、检索、维护流程，帮助开发者构建具有上下文连续性的智能应用，解决 AI "健忘"问题，实现真正的个性化服务。🧠

论文解读：MemOS首次把记忆变成大模型的一等公民资源，Scaling Law迎来第三条曲线如果说过去三年大模型的进化主线是"更大、更快、更聪明"，那么从2025年开始，一个被长期忽视的短板正在浮出水面——记忆。

论文解读：多模态智能体长期记忆突破：M3-Agent让AI像人一样“看、听、记、想“想象一个场景：你家里有一个机器人管家，每天早上你起床，它递给你一杯咖啡——不用问"要咖啡还是茶？"，因为它记得你过去三个月每天早上的选择。它知道你喜欢黑咖啡、不加糖，知道你周末会晚起半小时，甚至知道你心情不好的时候会多喝一杯。

论文解读：8K窗口撬动350万Token：MemAgent用强化学习重塑长文本记忆过去两年，大模型的"记忆力竞赛"几乎成了一场军备竞赛。从4K到128K，从128K到1M，上下文窗口的数字越来越大，厂商的宣传越来越响亮。

Agent-memory-召回设计里分段过滤的重要性我们都知道，记忆存储后，怎么能够在用户提问时召回几个质量高的记忆是核心之一。在实战中，我在记忆存储时，让agent给其分配我给定的几个类型，并在召回时设计为，匹配到对应的关键词，并进行综合打分（语义相似度+时间匹配+置信度），结果返回的记忆一塌糊涂。

Mem0 深度解析：智能记忆层的架构原理Mem0（发音为"mem-zero"）是一个专为 AI 代理和助手设计的智能记忆层。本文深入剖析其 CRUD（创建、读取、更新、删除）全流程，重点揭示其 LLM 驱动的记忆提取流水线、多信号混合搜索、以及非阻塞容错设计。

[OpenClaw][Skills]Self-Improving-with-Reflection 的技能分析self-improving-with-reflection 是一个零依赖的自改进 Agent 技能，通过本地文件系统实现持久化记忆和自我反思机制。该技能允许 Agent 从用户修正和自身反思中学习，持续优化执行质量。