认识 Tiro！智能体辅助的内存检索与会话状态内存模块。

一年前，当我刚开始接触 LLM 时，我首先尝试用它来玩龙与地下城（D&D）。ChatGPT 4o 在叙事、即兴发挥和推动游戏进程方面表现得令人惊喜。问题在于记忆。上下文会漂移，旧的事实会被抹平，任何长期运行的对话最终都会变成一场对抗模型遗忘的斗争。随着我对 LLM 的兴趣日益浓厚并开始学习编程，这成了我想为自己解决的问题。因此，我开始构建自己的智能体内存框架。我的目标不是简单地“加上 RAG”就完事。我读过一篇关于机器学习的论文，提到了智能体排序式 RAG（agentic sorted RAG）。这是一个仅存在于几行代码中的小型智能体片段，使用极少量的 token 来协助在将数据传递给真正智能体之前进行更准确的内存检索和打包。我想要一种模块化、可检查且可复用于不同个人智能体和项目的解决方案。它能够存储文档、检索事实、跟踪会话、记住运行状态、区分活跃和陈旧信息，并将所有这些打包成一个清晰的上下文数据包，而不是一堆模糊的感觉。结果就是 **Tiro**。Tiro 是一个独立的内存和检索基础框架，我将其构建用于个人的智能体生态系统。它的设计目的是供不同的智能体接入，而不是仅仅属于某一个智能体。目前，它有独立的内存通道用于语料库/归档内存、会话/状态内存，以及结构化的运行内存，如决策、待办事项、未知事项、警告和生命周期感知的事实。用通俗的话来说，我正在尝试用一段代码构建智能体内存。不是意识。不是魔法。只是一个严肃的内存引擎，能够支持多个智能体并防止长期上下文崩溃成一锅粥。它仍处于早期阶段，但已经变得非常出色。我可以上传整个 PDF 文件，它会自动摄取、解析并将数据分解到 SQLite 数据库中，按功能排序。完成后，它将可以扩展到任何提供商 API，你可以简单地将其放入自己的智能体仓库，将你最喜欢的编码智能体指向它，并将其集成到你的智能体中，为其提供高级的内存和 RAG 系统。