@MindfulReturn: 如果你想快速搭建一个自己的极简agent 那么只需要pi agent + reMEM这两个就可以了 Pi 负责"怎么做",ReMEM 负责"记住什么"。 Pi 的 Agent 循环 + 工具系统 + 事件流,和 ReMEM 的事件溯源 +…
摘要
这篇推文介绍了如何用 pi agent 和 reMEM 快速搭建极简 AI agent,分别负责执行和记忆功能。
如果你想快速搭建一个自己的极简agent
那么只需要pi agent + reMEM这两个就可以了
Pi 负责"怎么做",ReMEM 负责"记住什么"。
Pi 的 Agent 循环 + 工具系统 + 事件流,和 ReMEM 的事件溯源 + 分层存储 + 语义检索,不是两个独立系统被强行拼在一起——它们是同一个 TypeScript https://t.co/dcGrJLq9a8
查看缓存全文
缓存时间: 2026/05/23 22:17
如果你想快速搭建一个自己的极简agent 那么只需要pi agent + reMEM这两个就可以了
Pi 负责“怎么做“,ReMEM 负责“记住什么“。
Pi 的 Agent 循环 + 工具系统 + 事件流,和 ReMEM 的事件溯源 + 分层存储 + 语义检索,不是两个独立系统被强行拼在一起——它们是同一个 TypeScript https://t.co/dcGrJLq9a8
相似文章
@WY_mask: 给各类 AI 编程助手打造持久化记忆引擎 http://github.com/rohitg00/agentmemory… 在后台静默记录代码修改和上下文 自动提取并压缩成结构化记忆 节省长上下文带来的 Token 消耗 关联过去的信息,随…
agentmemory 是一个为 AI 编程助手提供持久化记忆的开源工具,能静默记录代码修改和上下文,自动提取并压缩成结构化记忆,降低 Token 消耗,并支持 Claude Code、Codex 等多种主流平台。
@Xudong07452910: Agent 记忆最危险的时候,往往是它太相信过去。 很多 Memory Agent 找到相似经验后,会直接把它塞进上下文。但任务相似,不代表当前状态相同,旧经验有时反而会把决策带偏。 这篇论文提出 MemHarness,把 Agent 使…
MemHarness 提出将 Agent 记忆从简单回放改为基于当前状态的重构,通过 GRPO 端到端训练,在 ALFWorld 和 WebShop 上显著提升成功率。
@Easycompany333: 给大家安利一个我的Agent记忆体系 我半个月前给Agent单独创建了一个项目,是专门为Mac生成记忆的,分为多层记忆: 1. 全局记忆:原则就是Agent的工作模式 2. 项目记忆:针对每一个项目的特定记忆,独立不想户污染 3. Fou…
作者分享了自己为Agent创建的多层记忆体系,包括全局、项目、Founder和活动记忆,并拓展出工作记录、规划、查询和自动化报表功能。
@Huahuazo: 想搞明白Agent到底怎么从零搭起来,不是光会调API那种——我翻过不少资料,要么讲得太抽象,要么直接甩给你一个成品让你改改参数就完事,中间“为什么这样设计”的部分基本是空白。 LangChain官方的这个Agents From Scra…
LangChain官方发布的Agents From Scratch教程详细介绍了如何从零构建一个具有人机协作和记忆功能的AI代理,涵盖基础搭建、评估体系、人机协作和长期记忆四个部分。
@xiaomovps: 研究完Pi 长期记忆,结果比我想象的更复杂 Pi 原生更偏向于管理Session和Context,没有类似Hermes Agent Memory记忆系统,但是社区却有类似Hermes一样的记忆实现。 社区现在已经长出好几种完全不同的方案。…
文章讨论了Pi长期记忆的复杂性,指出Pi原生偏向于管理会话和上下文,但社区有多种类似Hermes的记忆实现方案。推荐了四个项目用于实现AI代理的记忆功能。