LLM客户端并无真正的“长期记忆”，而是通过“结构化存储 + 动态重构prompt”的方式模拟记忆。长会话上下文的核心任务在于取舍与压缩： •哪些历史内容保留？ •哪些内容通过摘要或检索再现？ •如何让prompt在token限制下仍保持语义连续？设计RAG，agent多轮对话，或者多agent与LLM交互，也要过类似LLM客户端上下文管理这一关！否则就是RAG猜，agent演，然后老板

#LLM客户端 #长期记忆 #结构化存储 #动态重构prompt #RAG #agent多轮对话 #上下文管理 #项目失败

相关新闻

Nancy

17小时前

我从前年赚的A8，在刚刚已经亏损-99.5%了，看到项目追高、加仓，终于走到这一步，现在情绪有点复杂，悲伤大过于惊讶。现在的行情跟以前努力建设已经完全不同，我认知自己跟市场已经脱节，而有人说我发割韭菜，其实坦白讲，我都是亏损的，花自己的钱一直买入，为的就是不让大家亏太多，那钱都被谁赚走了？聪明的人打短线交易赚了就跑，那是谁亏钱？高位买入和有信仰的朋友。而我深深地了解到，现在完全不是靠信仰跟建

宝玉

1周前

看截图，我以前介绍过：Claude Code 有个特别的工具叫 Task tool，本质就是一个子 Agent，它可以有独立的上下文，所以哪怕它用了很多token，但也不会占用多少主Agent的上下文空间

宝玉

1周前

卧槽，我真解决了让 Codex 连续工作 8 小时的问题，上下文都不会爆掉！方案就是让 Claude Code 去当监工监督 Codex 干活，大概的步骤如下： 1. 首先要让 Codex 生成一个任务的 TODO List，就是那种能一步步完成的 2. 然后让 Codex 更新 Agents md 文件，加上说明，如果输入 continue，要读取 TODO 文件，去选取任务，执行后更新

Dify Japan

2周前

🚀Difyの新バージョン「ナレッジパイプライン」（Knowledge Pipeline）をリリースしました！主なアップデート内容： 🔹視覚的オーケストレーション：RAG全体のフローをキャンバス上で直感的に設計可能。オープンかつ柔軟なアーキテクチャを採用。 🔹ユニバーサルコネクタ：Notion、Google Drive、S3、Firecrawl対応。独自コネクタもプラグインで開発可能。 🔹

土猛的员外

2周前

周末两天看了好多AI Agents的案例，感觉我们前面扎根做知识库+RAG也算是一种正确的选择，特别是在toB场景中。

关联事件

#多智能体之争：Anthropic生态VS单智能体

Anthropic与Cognition就多智能体系统构建展开激辩，核心争议在于上下文共享与否。Anthropic强调构建多智能体生态，提升复杂任务处理效率，近期发布多智能体构建指南，阐述“协调者-执行者”架构，并通过代理协调和系统评估提升任务性能，认为单个智能体的上下文有限，压缩比太大就会失真。Cognition则更关注单个Agent的效率和稳定性。Anthropic还发布了关于多智能体系统的文章，详细阐述构建多个智能体所面临的工程挑战，并强调带宽、结构、机制的重要性。这场争论反映了AI发展路径的不同选择，对未来AI系统的设计和应用具有重要意义。