标签
一位开发者描述了构建一个多智能体语音社交推理游戏的过程，通过一个中央指挥解决了轮流发言问题，但在共享记忆以及在将对话历史压缩为结构化状态时保留社交潜台词方面遇到了困难。
探讨分析代理是否应整合来自 Linear、Sentry 和 Notion 等工具的上下文数据，还是保持纯指标驱动。
一篇观点文章，认为企业中的AI代理需要一个结构化的“公司大脑”记忆层，以可靠地访问上下文、政策和权限，而不是仅仅依赖RAG和工具访问。
本文是系列文章第六篇，详细解释了subagent的概念、工作原理及其在coding agent中的作用，包括tool call和runtime机制，以及不同subagent类型（fresh child、forked child、partial fork）的适用场景。
文章认为，编程代理需要连续性——即在仓库中保存执行历史和项目状态——而不是简单地拥有更大的记忆或上下文窗口，以避免在会话之间丢失操作线程。
Google宣布了Open Knowledge Format，这是一个基于Karpathy的LLM wiki概念的开放标准，旨在通过简单的Markdown文件为AI代理提供上下文。
Google 的开放知识格式（OKF）提出了一种可移植的组织知识标准，帮助 AI 代理检索正确的上下文，解决了数据目录、维基和代码之间的碎片化问题。
作者认为人工智能不会取代工程师，因为经验丰富的工程师掌握着来自真实生产故障和边界情况的关键背景，而知道要构建什么仍然是一项人类技能。Factory AI 正在构建工具来增强工程师。
Google分享了一个免费且全面的示例，展示了一个长期运行的AI代理，它可以暂停、恢复且永不丢失上下文，模拟新员工入职流程，并教授三种架构模式。
构建多智能体系统表明，管理共享记忆和上下文一致性比编排更具挑战性。作者使用 Statewave 进行的实验将记忆视为一个不断演化的生命周期，而非单纯的检索问题。
文章介绍了‘提升E-Graphs’，这是一种改进的e-graph方法，它显式编码函数的上下文（维度），以解决变量命名、遗漏共享和意外过度共享的问题，该方法基于从R^n到R的函数语义模型。
讨论了个人AI代理在会话之间持久记忆的挑战，比较了Custom GPTs、Mem和Open Campus的共享内存方法等设置，并征求社区关于处理内存冲突的建议。
这是一次对个性化AI智能体背后实际差距和动机的反思性探究，探讨了当前系统在“了解”用户方面的失败之处，以及有益个性化和替代自我之间的界限。
Nessie 是一款工具，允许用户将来自 ChatGPT、Perplexity 和 Gemini 的上下文、记忆和历史记录转移到其他平台，包括 OpenClaw 和 Hermes Agent，通过使用 OpenClaw 和 MCP 服务器。
本文研究了用于安全评估的LLM-as-judge适应情境信息及不同安全定义的能力，发现它们基本是刚性的，当情境与其内部先验相矛盾时无法调整。
Graphify是一款能够帮助追踪隐藏耦合、导航重要文件并为AI代理提供更好上下文的工具。