AI 代理

本教程详细介绍了如何利用本地 LLM、SQLite 和 ChromaDB 为 AI Agent 构建长期持久化记忆系统，将信息召回率提升至 90% 以上，同时兼顾隐私与性能。

深入探讨如何为自主 LLM 代理构建持久化记忆系统，涵盖架构设计、技术实现细节以及在生产环境中的核心教训。

Scout AI 正在通过将先进的 AI 代理和大语言模型（LLM）驱动的推理能力集成到致命的自主系统中，重新定义现代战争，这标志着国防技术的重大转变。

深入探讨从传统的 RAG 架构向递归语言模型 (RLM) 的转变，以处理超大规模文档。学习如何构建一个基于 Python 的原型，使 LLM 能够通过工具调用和递归子调用自主导航并分析超过 100 万个 Token。

GitHub 扩展了其 AI 生态系统，将 Anthropic 的 Claude 3.5 Sonnet 和 OpenAI 的 Codex 作为原生代理引入 VS Code 和 GitHub，标志着开发者工具向“模型无关”转型的重大进步。

深入分析 OpenAI 最近公布的 AI 编码代理技术规格，重点探讨代理循环 (Agent Loop)、工具集成以及开发者如何利用自修复策略提升代码生成质量。

基于 Simon Willison 在 Oxide and Friends 中的分享，深度探讨 2026年大语言模型预测，涵盖代理工作流、小模型革命、模型上下文协议（MCP）以及 AI 基础设施的未来趋势。

深入探讨 NVIDIA DGX Spark 硬件与 Reachy Mini 机器人如何通过 Hugging Face 的 LeRobot 框架和 n1n.ai 的高性能 API 彻底改变具身智能领域。