这个博客的来龙去脉、技术栈、如何写新文章,以及写作约定。

Markdown 文章里的代码块高亮、提示框(callout)与写作约定,上手就能用。

Andy Agent Lab 文章翻译。LLM 代理的记忆不是单一组件。本文提出与厂商无关的代理记忆系统模型：区分时间范围、功能角色、表示形式、存储与访问介质四个分析维度,并映射到捕获、写入选择、表示、校验、存储、索引、检索、上下文组装、使用、更新、整合、删除的完整记忆生命周期。同时厘清长上下文≠长期记忆、对话状态与压缩只是上下文管理机制,并给出记忆失败八分类(含时间性失败、弃答失败)、必须显式化的架构决策表、组件级与端到端评估,以及常见范畴错误辨析。

AgentEngineering.io 文章翻译:无状态的 LLM 只能回答问题,代理却要跨步骤、跨会话去追求目标——这需要记忆。本文拆解代理记忆的四个层级:上下文内记忆(工作记忆)、外部记忆(检索/RAG)、情景记忆(事件日志)、程序性记忆(微调),并给出层级决策框架、MemGPT 洞见、多代理状态管理、常见陷阱与 FAQ。

Claude Cookbook 中文翻译:面向长期运行 AI 代理的三种上下文管理原语——压缩(compaction)、工具结果清理(tool-result clearing)与记忆(memory)——的机制、API 用法、取舍与组合方式,含完整可运行示例与运行轨迹分析。

Anthropic 官方文章翻译:如何围绕大语言模型有限的上下文窗口做工程——理解上下文衰退、系统提示词校准、工具设计、动态检索,以及上下文压缩、结构化笔记、多代理架构等长时程任务技术。