<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jrfff的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jrfff</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jrfff]]></copyright><item><title><![CDATA[比 AI 失忆更可怕的，是它开始替你编回忆]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163906767</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163906767</guid><author>jrfff</author><pubDate>Thu, 20 Aug 2026 09:31:49 +0800</pubDate><description><![CDATA[过去一年，整个行业都在解决同一个问题：让 AI“记得住”。记忆系统（memory）成了最时髦的赛道，ChatGPT 有了长期记忆，Claude、Copilot、Cursor 纷纷跟进，mem0、Zep 这类记忆中间件也火了起来。所有人都在欢呼：终于不用每次重新交代背景了。但很少有人问一个更刺耳的问题——]]></description><category></category></item><item><title><![CDATA[你不是 AI 的指挥官，你是它们唯一的共享内存]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163876106</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163876106</guid><author>jrfff</author><pubDate>Wed, 19 Aug 2026 09:39:30 +0800</pubDate><description><![CDATA[开个脑洞：如果把你大脑的记忆区拆出来，它现在更像什么？不是指挥官，不是老板，而是一根——所有 AI 都接在这根线上，却彼此不直连。Codex 要背景，你讲一遍；ClaudeCode 要规范，你再讲一遍；WorkBuddy 要风格，你又讲一遍。Agent 越来越多，你这根总线越挤越满，带宽全耗在「把同一段记忆在 AI 之间来回搬运」上。这事儿，正在 2026 年多智能体时代真实发生。]]></description><category></category></item><item><title><![CDATA[你不是 AI的指挥官，你是它们唯一的共享内存]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163875926</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163875926</guid><author>jrfff</author><pubDate>Wed, 19 Aug 2026 09:35:24 +0800</pubDate><description><![CDATA[开个脑洞：如果把你大脑的记忆区拆出来，它现在更像什么？不是指挥官，不是老板，而是一根——所有 AI 都接在这根线上，却彼此不直连。Codex 要背景，你讲一遍；ClaudeCode 要规范，你再讲一遍；WorkBuddy 要风格，你又讲一遍。Agent 越来越多，你这根总线越挤越满，带宽全耗在「把同一段记忆在 AI 之间来回搬运」上。这事儿，正在 2026 年多智能体时代真实发生。]]></description><category></category></item><item><title><![CDATA[MCP把智能体连成了网，却没人给它们一份共享记忆]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163772696</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163772696</guid><author>jrfff</author><pubDate>Sat, 15 Aug 2026 09:35:15 +0800</pubDate><description><![CDATA[2026 是基础设施大年。模型能力被开源拉平，工具调用被 MCP 统一，Agent 间通信被 A2A 统一，企业级编排框架成熟。Agent 那么多，到底谁来记得"你"到底是怎么工作的？如果没人回答这个问题，Agent 越多，你的"上下文维护成本"就越高——你不是在用 AI，你是在给 AI 们当一个传话的翻译。而那条真正的复利曲线，藏在"记忆"里——Agent 协作的最后一公里，是共享记忆层。也是你的认知资产，能跨组织、跨工具、跨时代被带走的那一公里。]]></description><category></category></item><item><title><![CDATA[200K的窗口也会不够用：给Agent 的上下文做“内存调度“]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163771599</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163771599</guid><author>jrfff</author><pubDate>Sat, 15 Aug 2026 08:27:13 +0800</pubDate><description><![CDATA[把 Agent 的上下文窗口当成一块有限、昂贵、需要调度的内存，很多看似玄学的问题就有了抓手：为什么它"越聊越傻"？因为工作集被长尾稀释了。为什么加长上下文反而变贵变慢？因为你把磁盘当内存用了。未来的 Agent 竞争力，未必在于谁家模型上下文标到 10M，而在于谁能把"有限窗口"调度得又准又省——像好的操作系统一样，让正确的数据在正确的时刻出现在正确的位置。上下文工程，说到底是一门给智能体分配注意力预算的手艺。]]></description><category></category></item><item><title><![CDATA[你不是在用AI，你是在给 AI 当翻译：多智能体时代，我们都在交一笔隐形的「重述税」]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163744718</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163744718</guid><author>jrfff</author><pubDate>Fri, 14 Aug 2026 09:32:46 +0800</pubDate><description><![CDATA[多智能体时代，真正稀缺的从不是"更多的 AI"，而是"AI 之间能共享的那份记忆"。当 Agent 越来越多、上下文越来越碎，谁能把记忆沉淀成可携带、可复利的认知资产，谁才不会被工具反客为主。培养一次，所有智能体都懂；积累一分，永远归你所有。记忆是机器的义务，回忆不该是你的负债。标签：#人工智能 #智能体 #AI Agent #多智能体 #记忆系统 #数字失忆 #上下文工程 #太忆空间。]]></description><category></category></item><item><title><![CDATA[跑了一万次任务，你的Agent 还是个新手：聊聊Agent 经验学习的工程化落地]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163743041</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163743041</guid><author>jrfff</author><pubDate>Fri, 14 Aug 2026 08:35:14 +0800</pubDate><description><![CDATA[经验学习听起来是 AI 问题，做起来其实是个数据治理 + 软件工程问题。归因、抽取、索引、注入、仲裁、清理——每一步都决定你的 Agent 是"越用越聪明"还是"越用越笨"。Agent 上一次踩过的坑，今天还记得吗？你的"经验"是结构化资产还是一堆 trace？经验库有淘汰机制，还是只进不出？跑一万次任务不难，难的是让第一万次比第一次更稳。标签：#AI Agent #智能体 #大模型 #经验学习 #提示词工程 #SkillLibrary #AI工程化分类：AI工程。]]></description><category></category></item><item><title><![CDATA[你把记忆丢在了7个App 里：多智能体时代，我们为什么越用AI 越累？]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163715811</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163715811</guid><author>jrfff</author><pubDate>Thu, 13 Aug 2026 09:33:19 +0800</pubDate><description><![CDATA[先设想你普通的一天。早上，你在 Codex 里写后端接口；午饭前，用 ClaudeCode 改了前端组件；下午，WorkBuddy 帮你跑了一轮自动化发布；需求散落在飞书的群聊里，临时灵感记在手机便签，论文摘要交给 Kimi，客户对齐又发生在微信。一天下来，你用了七八个入口，和至少四五个智能体打过交道。到了周五下午，领导一句"周报发我"，你深吸一口气，开始了一场自我考古——打开每一个 App，凭记忆翻找这周到底干了什么。]]></description><category></category></item><item><title><![CDATA[别让你的 AI Agent 被一句话劫持：智能体时代的提示注入攻防]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163714018</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163714018</guid><author>jrfff</author><pubDate>Thu, 13 Aug 2026 08:28:03 +0800</pubDate><description><![CDATA[Agent 越强，被劫持的代价就越大。提示注入不会消失，但我们完全可以用架构手段把它关进笼子：把权限收小、把确认做实、把数据与指令分开，再让 Agent 自己学会识别老套路。安全不是某个开关，而是智能体基础设施本身的一部分。]]></description><category></category></item><item><title><![CDATA[你的「记忆复利」正在被偷走：多智能体时代，认知资产该归谁？]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163686920</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163686920</guid><author>jrfff</author><pubDate>Wed, 12 Aug 2026 09:34:59 +0800</pubDate><description><![CDATA[你有没有算过一笔账：这一年你教过 Codex 怎么写你的后端规范，教过 ClaudeCode 你前端要用 Vue3 不是 React，教过 WorkBuddy 你发版前必须跑 lint，教过 Cursor 你讨厌某类命名风格。可每次打开一个新会话、换一个智能体，这些「常识」又一次归零——你像个复读机，把同一段背景从头讲起。这不是你的问题。这是智能体时代一个被刻意忽略的结构性盲区：我们疯狂地生产智能体、连接智能体，却从来没人替你保管「你用 AI 积累下的认知」。]]></description><category></category></item><item><title><![CDATA[你的 RAG正在悄悄变笨：从检索退化到Agentic Retrieval 的破局]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163685057</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163685057</guid><author>jrfff</author><pubDate>Wed, 12 Aug 2026 08:26:26 +0800</pubDate><description><![CDATA[RAG 没有过时，过时的是"接上向量库就完事"的朴素想象。检索退化是系统性的，解法也必须是系统性的：用 Agentic 的思路让检索会思考，用记忆让检索会积累。当检索从"一次性查库"进化为"带反思、带记忆的推理过程"，RAG 才真正从演示走向生产。]]></description><category></category></item><item><title><![CDATA[你花了半年教会的AI，换个工具就全忘了]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163656148</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163656148</guid><author>jrfff</author><pubDate>Tue, 11 Aug 2026 09:29:39 +0800</pubDate><description><![CDATA[AI Agent 的时代才刚刚开始。越依赖 AI，越失去对自己认知积累的控制权。现在就开始思考：你花在 AI 上的每一分钟，是在为自己积累资产，还是在为平台免费打工？答案应该掌握在你自己手里。]]></description><category></category></item><item><title><![CDATA[Agent 的账单为什么每月翻倍：一次Token 成本工程实战拆解]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163654578</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163654578</guid><author>jrfff</author><pubDate>Tue, 11 Aug 2026 08:29:38 +0800</pubDate><description><![CDATA[上个月，团队里一个跑得挺稳的客服 Agent，账单从 4000 块涨到了 1.1 万。日活没翻倍，功能没加新的，模型也没换。财务同学问我们"是不是被薅了"，我们查了三天，最后发现罪魁祸首是一个谁都没在意的改动：有人给系统提示词里加了一段 800 字的"新版服务规范"，并且把它放在了提示词的。就这一下，把整条链路的缓存命中率从 82% 打到了 9%。这件事之后我们才认真意识到：Agent 的成本不是"调用次数 × 单价"这么简单的算术题，它是一门需要专门设计的工程。]]></description><category></category></item><item><title><![CDATA[你雇了一支 AI 团队，它们却彼此失忆]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163640760</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163640760</guid><author>jrfff</author><pubDate>Mon, 10 Aug 2026 16:26:11 +0800</pubDate><description><![CDATA[上周我在一个创业群里看到一个很有意思的抱怨：有人用 Codex 写后端、用 ClaudeCode 改前端、用 WorkBuddy 跑自动化发布、用 Kimi 做资料整理。他说自己「明明付了四个 AI 的钱，却像在带四个互不认识的实习生」——在 A 工具里反复强调过的接口约定，B 工具转头就忘；周五写周报，得把四个对话框翻一遍，像考古一样拼。这不是他一个人的问题。]]></description><category></category></item><item><title><![CDATA[Demo惊艳上线拉胯？Agent评测体系怎么建]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/163625602</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/163625602</guid><author>jrfff</author><pubDate>Mon, 10 Aug 2026 08:32:40 +0800</pubDate><description><![CDATA[Agent 评测的本质，是把一个概率系统的行为，翻译成工程团队能对齐的、可以吵架的数字。它测不出"这个 Agent 有多聪明"，但它能稳定地告诉你：“这次改动，让它比上周更好还是更糟。对一个要长期迭代的系统来说，后者远比前者重要。Demo 靠灵感，上线靠体温计。]]></description><category></category></item><item><title><![CDATA[VibeCoding 时代，你必须理解 MCP]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/162639902</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/162639902</guid><author>jrfff</author><pubDate>Mon, 06 Jul 2026 17:46:04 +0800</pubDate><description><![CDATA[VibeCoding 正在从一种尝鲜式的开发方式，变成越来越多开发者的日常。这个转变的核心驱动力，是 AI Agent 能力的持续提升。而 Agent 能力的持续提升，很大程度上取决于它能连接到多少外部工具、获取多少上下文信息。MCP 就是这个连接层。它让 AI Agent 从"会说话的脑子"变成"能动手操作的开发搭档"。理解 MCP、掌握怎么配置 MCP，是在 VibeCoding 时代高效工作的必备技能。]]></description><category></category></item><item><title><![CDATA[用一个 MCP 给你的 AI 装上长期记忆——从原理到配置全流程]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/162580219</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/162580219</guid><author>jrfff</author><pubDate>Sat, 04 Jul 2026 14:10:02 +0800</pubDate><description><![CDATA[摘要： MCP（ModelContextProtocol）是Anthropic推出的开放协议，类似于AI领域的“USB接口”，标准化了AI工具与外部数据源的连接方式。本文以记忆管理服务“太忆（TiMEM）”为例，详细演示了如何在Cursor、ClaudeCode和CodexCLI三大AI编程工具中配置MCP，为AIAgent添加长期记忆能力。配置步骤包括安装运行环境（uvx）、获取API密钥，并通过GUI或手动编辑配置文件完成MCP Server连接。接入后，Agent可自动存储、检索对话记忆，学习用户偏好]]></description><category></category></item><item><title><![CDATA[给 AI Agent 加一个长期记忆层：MCP 记忆服务配置实战]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/162551366</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/162551366</guid><author>jrfff</author><pubDate>Fri, 03 Jul 2026 14:18:38 +0800</pubDate><description><![CDATA[这类记忆 MCP 的定位很清晰——不替代代码索引，而是补上"对话级记忆"这块空白。短期看，它能帮你省掉反复交代背景的 token 消耗和沟通成本；长期来看，项目里的设计决策、编码规范、踩坑经验会持续沉淀，Agent 会越来越懂你项目的上下文。对于中长期项目来说，这个能力我觉得挺有价值的。我自己在 Cursor、cc、Codex 上都配了，用了一段时间，效果还不错。如果你也遇到类似的痛点，MCP 生态里除了 TiMEM 还有其他记忆相关的实现，可以自行搜索对比。]]></description><category></category></item><item><title><![CDATA[怎么让我的 Agent 真正“懂“我？——关于记忆、经验学习与预测的一些真实体验]]></title><link>https://blog.youkuaiyun.com/jrfff/article/details/162459175</link><guid>https://blog.youkuaiyun.com/jrfff/article/details/162459175</guid><author>jrfff</author><pubDate>Tue, 30 Jun 2026 16:34:06 +0800</pubDate><description><![CDATA[回到开头说的那个问题：Cursor 越来越"认死理"，不是因为它变笨了，是因为它分不清"什么该记住、什么该放手"。过时的规则、阶段性的约束、已经作废的方案、临时的调试指令……它们都挤在那个有限的上下文窗口里，和新信息混在一起。Agent 没有判断力，只会照单全收，最后输出的就是一锅"新旧混合、轻重不分"的糊涂汤。这不是 Cursor 的问题，也不是 Codex 或 Claude Code 的问题，这是当前所有 LLM-based Agent 在记忆机制上的结构性短板。但这个问题正在被解决。]]></description><category></category></item></channel></rss>