Hermes Agent 是一款跨平台的自进化 AI 助手,采用学习循环框架和多层记忆系统,能够在使用中自动优化任务并支持多模型编排。相较于 OpenClaw,它提供独立框架、自动更新和 Android 部署能力,已获 4.8 万 GitHub 星并被小米 MiMo 集成,适合需要持续适应的开发者和企业。
专题:memory-system
按该标签聚合的大模型资讯列表(自动分类与标签提取)。共 8 篇文章。
Anthropic 推出 Claude Managed Agents,提供工具调用、记忆、权限等完整基础设施,并采用 0.08 美元/小时的按时计费模式。开发者可通过控制台或 API 快速创建数字员工,省去招聘和运维成本。该服务已进入公测,Notion 等企业已在内部使用,标志着 AI 基础设施从模型 API 向可直接生产的 Agent API 转型。
MemPalace 是一款开源本地 AI 长期记忆系统,借鉴记忆宫殿法将记忆组织为可导航的空间结构,实现约 34% 检索提升,并在 LongMemEval 中取得 96.6% 的最高分。系统支持 RAW 与压缩 AAAK 两种模式,提供本地化存储、实时纠错和低成本 token 使用,提供 pip 安装、CLI 与 Python API,已获 17k+ st…
本文围绕 AI Agent 与 Skill 对传统 App 入口的冲击展开,阐明 Skill 与 App 的本质差异,归纳 App 在 AI 时代的四种演进路径,并指出 Agent Team 与记忆系统是下一阶段的关键。通过多位行业领袖的案例,分析了商业模型从人‑中心向 Agent‑中心转变的趋势,认为 Skill 不会消灭 App,而是促使其在 Agen…
本文介绍了一种基于记忆的 DevOps Agent 架构,通过沉淀历史经验实现运维流程的自动化进化。其核心亮点在于记忆模块的设计与技能训练机制,适用于复杂系统的运维优化,具有较高的工程参考价值。
eBay 支付风控团队应用基于 LLM 的 Agent 记忆系统,提升欺诈检测的上下文理解能力。该系统整合历史与实时数据,优化决策效率,降低误报和漏报率,具有实际应用价值和技术亮点。
本文介绍了大模型记忆系统 MemOS 2.0 的核心技术演进,重点解析了其创新的 StarDust 记忆管理机制。StarDust 结合了分层记忆、情境化检索、动态更新和推理融合,旨在提升大模型处理长上下文和复杂任务的能力。MemOS 2.0 的架构与训练也围绕 StarDust 进行优化,以实现更智能、更具上下文感知的人工智能系统。
LangSmith Agent Builder 通过文件化的虚拟文件系统实现了程序性和语义记忆,使得零代码代理能够在重复任务中持续学习并自动更新指令。文章详细阐述了记忆文件的组织、实现细节、实际案例以及开发过程中的关键经验,并展望了情景记忆和语义检索的未来方向。