深度解析AI的记忆机制,Hermes的自我进化机制和Skill是记忆的延伸。
AI有记忆,但不是我们人类的模式。它不是在像人一样记住你,它是在每次对话里重新认识。本文从工程角度拆解AI记忆的四层模型:L1会话窗口、L2压缩摘要、L3可检索档案、L4长期记忆,并解析Hermes自我进化机制与Skill作为记忆延伸的本质。

AI有记忆,但不是我们人类的模式。它不是在像人一样记住你,它是在每次对话里重新认识。本文从工程角度拆解AI记忆的四层模型:L1会话窗口、L2压缩摘要、L3可检索档案、L4长期记忆,并解析Hermes自我进化机制与Skill作为记忆延伸的本质。

对Manus创始人肖弘的3小时访谈:世界不是线性外推,做博弈中的重要变量,去除部分口语化的语言后进行排序、分类、提炼。 小宇宙:张小珺·商业访谈录 之前的产品做的功能足够用户使用了,大家用的也挺爽的。竞争对手也不卷,还活着的其他的竞争对手也各自安好。

Hermes最近成为了新的热点,除了自我进化机制, 更值得注意的是它在上下文管理上做了不少激进设计,比如更早触发压缩、把摘要做成交接文档。 阐述了Claude Code和Openclaw的Harness机制,能够让AI运行得更加稳定、完善。 在Harness之前,更底层的则是上下文工程,很多时候,模型的幻觉、失忆是因为上下文窗口乱了,

前阵子龙虾大热,但很多朋友都不太能用得很顺畅。 它总会有莫名其妙的中断,接收到了指令没有执行完成,遇到的错误莫名其妙就停下来了,也没有任何反馈。有的时候昨天能正常看的邮箱,总结的邮件,但今天就失败了,就算有skill也不稳定。 原因可能是模型限流了,模型思考死循环了,又或者忘记自己在做什么事情了。

最近特别的忙碌,直到这个周末才有时间阅读 Kimi 的新论文《注意力残差 Attention Residuals》还有林俊旸老师的《从推理式思考转向智能体式思考 From "Reasoning" Thinking to "Agentic" Thinking》。 前者在调整了模型的信息传递机制,让同样的算力训练出更好的效果;后者讨论的是训练目标:让 AI 不仅仅是停留在思考、跑分这些闭卷考试里...

最近又开始折腾提示词了。 复杂的逻辑依靠AI来判别, 如果不开深度思考,那就太慢了,用户等十几秒才能看到结果。

基于上周两场 Openclaw 的培训分享输出本期内容,核心是场景,最简单的生图也尽可能代入业务视角。希望能帮助你了解龙虾是什么,又能做些什么,以及相对友好的安装方式,也有好用、有用的平民Skills推荐,在线版和PDF在文末。 Knowledge Planet 信息爆炸的高效解法,不烧钱了解实用工具。

点击星标,及时收看更多AI实战 你和AI说的每一句话,值多少钱? 2026年2月9日,OpenAI 给了这个问题一个答案:20万美元。

最近有很多朋友问我,为什么我的Token消耗量那么大,其实答案只有一个,我把编程CLI代替了所有的事。 无论是调研、规划、编程、数据分析、生图或者创作,它不是我们想象中的只是一个编程工具。

一些吃饭时候的AI乱翻书 来自Tim的提问,Wise的回答

担任 AI 产品经理以后,我最大的痛苦,不是把东西做出来,而是把它做好。 现在做一个60分的Agent真的越来越容易了,扣子、Dify的可视化编排,或者更轻量的知识库产品,把文件丢进去,最简单的Agent就做出来了。

唐杰、杨植麟、姚顺雨、林俊旸罕见同台分享,这3个小时的信息密度实在太高了。 同样是大模型,有的人觉得今年和去年差不多,有的人却已经用它把工作方式翻了个面。差别不只在模型本身,更在你站在哪个场景里。 看完分享,最强烈的反差感来自顺雨老师的一句话:

在没有下场做AI产品之前,我很天真的以为写好Prompt就能够做出一个好的AI。但当落地时才发现: 会用AI和做AI产品之间,有一堵厚厚的墙。

2025年末,我离开了创业两年半的公司,准备从零到一做一名AI产品经理。 我之前一直相信着:“走过的路,每一步都算数。”但看着这5年的经历:没有代表作、没有垂直的积累,走的每一步都是弯路。