memory

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。

一个处女座的程序猿

LLMs之Memory之MIA：《Memory Intelligence Agent》翻译与解读LLMs之Memory之MIA：《Memory Intelligence Agent》翻译与解读导读：这篇论文的核心贡献，是把深度研究代理的“记忆”从简单的长上下文检索，升级为可压缩、可训练、可在线进化的双通道系统；MIA 通过 Manager-Planner-Executor 架构、交替 RL 和 test-time learning，把历史经验真正转化为规划能力与执行能力，因此在多模态、文本、多跳推理以及无监督自演化场景里都表现出稳定而明显的提升。

一个处女座的程序猿

Agent之Memory：EverOS的简介、安装和使用方法、案例应用之详细攻略Agent之Memory：EverOS的简介、安装和使用方法、案例应用之详细攻略目录EverOS的简介

从工程视角看 Agent Memory：存什么、怎么取、何时忘目录背景一、先把问题说清楚：Agent 为什么需要 Memory二、很多人一上来就做错了：Memory 不是把对话存进向量库

【总结】LangChain中如何维持记忆目录1.短期记忆2.长期记忆3.记忆管理AgentState通过Checkpointer对象来保存首先需要一个配置id

小游戏的Spine数量过多开销大1）小游戏的Spine数量过多开销大，怎么办 2）关于在AssetBundle中同时看到SpriteAtlas图集纹理和小图是否合理

Claude Code 如何记住项目：两种记忆机制全解析每次与 Claude Code 开始一段新对话，它都像一位初次见面的同事——对之前的合作毫无印象。这在开发中会带来困扰：明明上次已经教过它项目的构建命令，这次又得重复一遍。

探秘Claude Code的“.claude”目录：那些藏在背后的配置与记忆如果你曾经用过Claude Code，或许会发现项目根目录下突然多出一个名为.claude的文件夹，又或者在User Home目录下也存在一个同样的隐藏目录。对于大多数开发者而言，这只是一个不起眼的配置文件夹，但它其实大有玄机——它是Claude Code理解项目、记住偏好、甚至执行复杂任务的核心所在。

如何降低Animator的调用次数1）如何降低Animator的调用次数 2）为什么UI相关堆内存对象和纹理资源都占用了较大内存没有释放

self-motivation

openclaw架构分析(三) -------------- memory实现分析本文基于 openclaw 仓库的源码，对其 Memory 系统（向量检索 + 会话记忆）进行整体梳理，重点说明：

Cursor-memory-cli 自动化记忆提取的完整实现一个用于安装和配置 Cursor Memory 系统的命令行工具。Cursor Memory 是一个持续学习系统，可以从 Cursor 会话中提取结构化记忆，并将其编码为可查询的 JSON 记录，供跨会话调用。

Cursor Memory 实战：如何终结 AI 助手的“金鱼记忆”目标读者：使用 Cursor/Claude Code 等 AI 辅助开发的工程师，特别是那些厌倦了重复向 AI 解释项目上下文、架构决策和偏好设置的开发者。核心价值：掌握一套自动化的“记忆捕获”工作流，将临时的会话交互转化为永久的项目知识库。阅读时间：8 分钟

SpringAi-memorySpringAI 基于 ChatMemory 实现对话的记忆，也就是上下⽂内容的存储、发送请求时候附带。 ChatMemory 表示聊天对话记忆的存储，它提供添加消息到对话、从对话中检索消息以及清除对话历史的⽅法。

使用 seekdb + PowerMem 构建多模态智能记忆系统 MemBox在与 AI 应用交互时，你有没有经历过这样的场景：每次新会话都要重新介绍自己是谁、在做什么项目，刚才聊过的偏好转眼就被忘得一干二净？这是因为大多数大语言模型本质上是无状态的——每一次对话都是从零开始，上下文窗口有限且无法持久化。

Engram: DeepSeek最新工作解读1.从MLA,到NSA,DSA(lightning Indexer),DeepSeek做了很多稀疏化的工作,从计算层面更加高效,节省,试图压榨尽所有的硬件资源; 2.从transformer到MoE------谁来算但是对于一些简单问题,稠密模型可能存在资源浪费的情况,因为需要不加区分的过一遍所有参数,这对于小模型或许可以接受,但是对于超大量参数的模型难以忍受,因此转为只对部分参数激活; 3.从MoE到Engram------一定程度解耦计算和记忆过去的transformer只有显示的链接,计算,没有

如何使Bloom只局部地作用于特效以提高性能1）如何使Bloom只局部地作用于特效以提高性能 2）为什么物理内存一直上涨这是第460篇UWA技术知识分享的推送，精选了UWA社区的热门话题，涵盖了UWA问答、社区帖子等技术知识点，助力大家更全面地掌握和学习。

MemR3：基于LangGraph的反思推理、记忆和检索的RAG框架在构建大模型智能体（LLM Agents）时，记忆系统是其核心。无论是为了记住用户的偏好，还是为了处理长达数月的对话历史，我们通常会给 AI 挂载一个“外部存储器”。

solidity中数据位置storage、memory、calldata的区别在 Solidity 中，storage、memory 和 calldata 是三种关键的数据位置，它们决定了变量的存储位置、生命周期和行为。

如何排查优化URP内置Shader冗余1）如何排查优化URP内置Shader冗余 2）运行时Shader内存下降的原因这是第454篇UWA技术知识分享的推送，精选了UWA社区的热门话题，涵盖了UWA问答、社区帖子等技术知识点，助力大家更全面地掌握和学习。