- 博客(8)
- 收藏
- 关注
RSS订阅原创 Hermes 跨会话学习：让Agent拥有“昨天做了什么“的记忆
你和一个AI Agent工作了整整一天。你教会它项目的架构规范，纠正了它三次数据库连接的写法，陪着它调通了那个该死的分布式事务。傍晚六点，一切终于跑通了。你满意地关闭会话，回家吃饭。第二天早上，你打开新的对话窗口——Agent热情地打招呼：“你好！我是你的AI助手，请问有什么可以帮你的？它什么都不记得了。你又花了一上午重新解释架构，重新纠正连接写法，重新调分布式事务。第三天、第四天、第五天，同样的剧本反复上演。你不是在用AI提效，你是在每天早上给一个失忆症患者做复健。这不是科幻场景。
2026-06-26 10:05:50
239
原创 Hermes Evidence-Based知识图谱：把执行数据变成决策智慧
执行#3 → Fact(CREATED): "GET /api/users 平均响应时间 245ms"执行#5 → Fact(CREATED): "POST /api/orders 在payload>500KB时响应变慢"执行#7 → Fact(CREATED): "DELETE /api/cache 在缓存为空时返回404"执行#9 → Fact(CREATED): "GET /api/health 响应时间<10ms"此时的Agent像一个没有经验的实习生——在记录观察，但还谈不上理解。
2026-06-24 09:51:07
180
原创 【无Agent可观测性工程：给AI装上仪表盘标题】
一家上线了Agent系统的企业告诉我们："我们的Agent每天处理300多个任务，但没人知道它为什么有时候快有时候慢，为什么有的任务一次通过有的要重试五次，为什么Token账单这个月突然翻了三倍。总结：可观测性是自进化的前提条件本篇我们从Agent可观测性的三支柱出发，构建了一个完整的监控体系：五大核心Metrics提供系统健康画像，分布式Tracing追踪Goal的完整旅程，结构化日志记录每一个决策快照，三层告警策略从静态阈值到异常模式检测层层递进，Grafana面板将所有数据汇聚成作战指挥室。
2026-06-18 10:00:18
226
原创 智能体记忆Memory的四大类型Working Memory等及三大实践内幕是如何奠定可控智的
例如，从十次“用户投诉交付延迟”的情节中，升华出“准时交付至关重要”的语义规则，并优化其项目管理的程序记忆。”这些原始的、未经加工的交互片段，构成了智能体独一无二的“人生经历”。它让智能体从一个“满腹经纶却不知所措”的知识库，蜕变为一个拥有持续成长的人格、可预测的行为逻辑和严格隐私边界的可靠伙伴。这四大记忆类型并非孤立存在，它们形成一个动态、有机的体系：工作记忆处理当下，从情节记忆中调用相关经历，用语义记忆验证知识，并通过程序记忆快速执行——这正是智能思考的微观缩影。记忆，是过往的碑文，亦是未来的罗盘。
2025-11-21 09:38:40
400
原创 企业级可控AI智能体：从苦涩教训中重构第一性原理在智能体技术蓬勃发展的背后，每一个AI从业者都品尝过“十大苦涩教训“的滋味——更大的模型、更多的数据并非万能钥匙。最苦涩的教训或许是：忽略系统性的上
真正的可控智能体，能够在复杂的业务环境中保持认知的连续性和行为的稳定性——它记得为什么出发，知道此刻在哪，清楚要去向何方。这不仅是技术的胜利，更是对AI本质的深刻理解：智能不仅在于知道什么，更在于在漫长旅程中始终知道什么是重要的。在智能体技术蓬勃发展的背后，每一个AI从业者都品尝过"十大苦涩教训"的滋味——更大的模型、更多的数据并非万能钥匙。那些让我们深夜调试的崩溃瞬间，那些在演示中意外失败的尴尬时刻，正是这些"苦涩教训"指明了前进的方向。这不是简单的窗口调整，而是基于业务语义的智能缓存策略。
2025-11-19 17:29:58
237
原创 OpenAI智能体最佳实践、使用场景内幕等
智能体革命性突破在于彻底摒弃DAG，通过LLM实时决策路径，仅需定义目标与状态转移规则，大幅减少代码量，赋予系统错误自恢复与创新解决问题的能力。工具智能受限于“数据不自由”与“工具不自由”，本质仍是被动调用。系统智能通过赋予AI数据自由（全域实时感知）与工具自由（绝对执行权），实现自主感知、决策、执行、反馈的完整闭环。这场变革的终极意义，是推动组织形态从传统控制模式向“AI First”设计原则演进，让智能体成为企业运营的核心支柱，开启数字化转型的全新篇章。企业级可控AI智能体：从架构革命到范式重构。
2025-11-18 11:05:47
423
原创 拆解LangGraph：基于Pregel的企业级AI智能体底层架构内幕
通过解密Pregel的Superstep、Graph、Channel、State这些核心机制，我们可以看到，LangGraph为企业级AI智能体提供的不仅仅是一个框架，更是一种工程哲学：通过有状态的、同步步进的、图结构化的计算，将看似不可控的AI行为，约束在了一个高度可控、可预测、可扩展的系统中。例如，一个客服智能体的图可能是：[接收用户问题] -> [意图识别节点] -> [路由节点] -> [知识库查询节点 或 工单创建节点] -> [回复生成节点]。它决定了任务完成后，下一个执行的动作是什么。
2025-11-17 09:46:27
345
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人