终端复用器是给坐在键盘前的人写的，分屏、切窗口、断线重连，前提都是有个人在看着。现在 pane 里跑的常常是 agent，人不在跟前，要的东西就变了。 keepane 是按后面这个前提写的。每个 pane 有名字、有收件箱、有工作模式，pane 之间能互发消息，也能让对方直接执行一条命令；同一台机器上如此，配过对的两台电脑之间也一样。人、脚本和 agent 走同一套，agent 那侧还能走内置的 MCP 服务端。 终端断了 pane 里的程序照跑，跑完了手机、桌面或者 webhook 会告诉你；扫个二维码就能在手机
向量检索有个不太好看的账：索引往往比原始数据还大。六千万条文本切块，用传统办法建索引要 201 GB，而那堆文本本身没那么大。想在自己笔记本上索引邮件、浏览记录、聊天记录，这道门槛就卡在硬盘上。 LEANN 的选择是索引里干脆不存向量，只存一张剪过的图，搜索时走到哪一跳就现算哪一跳的向量。同样那六千万条，索引降到 6 GB。 论文是 arXiv:2506.08276 ，伯克利那批人写的，作者名单里有 Ion Stoica、Matei Zaharia、Joseph Gonzalez。 存储开销 摘要里的原话是索引「需
现在优化 skill 的工具都是一次挑一个：你选中某个 skill，给它写一批测试 prompt，跑评委打分，改完再跑一遍。有几十上百个 skill 的时候这条路走不通，瓶颈根本不是优化算法，是你没空逐个去挑、逐个编测试用例。 lamarck 换的是这个前提：装一次，之后所有已装的 skill 全部进入观察，不用挑、不用写用例、不用配置。它在后台看真实调用，攒够同一类证据才对某一个提出一处改动，改完立刻验，变差就退回去。 观察范围 一次挑一个的做法，隐含假设是你知道哪个 skill 有问题。实际上你不知道，你只知道
长程 agent 跑着跑着就废了，这件事大家都见过，但很少有人把它拆成具体的失败模式再拿数据说话。 FrontierAgent 是 Apodex 前两天开源的 agent 运行时，翻代码时发现它把两个失败模式量化过：一个是上下文压缩触发得太晚，子 agent 被端点打死；另一个是压缩把旧结果换成占位符之后，模型开始一遍遍重发同一个搜索。 这两件事还是同一个环的两端。 项目概况 仓库里是一套 agent 运行时加终端产品加评测套件，两种自带工作流：ReAct 是单个有状态的 agent 自己查、读、写、跑命令；Age
星标过的仓库再没打开过第二次，截图记得长什么样却翻不出来，书签埋在几层文件夹里，一小时前复制的那段东西不知去向，想开的应用埋在三层菜单下面。这些东西的共同点是存的时候顺手，找的时候只能靠运气。 喜鹊爱叼亮闪闪的东西回窝，然后忘了放哪儿，所以叫 magpie。按 Alt+Space 唤出面板，把还记得的那点描述打进去，或者丢一张图进去，回车。 本地跑，不联网，不扫全盘。下面写的是 v0.1.20。 源 Tab 在四个标签之间切：本地、星标、Web、剪贴板，顺序和默认打开哪个都能在设置里改。应用不单独占标签，在本地标签
前一篇翻完一个把 agent 摆进办公室的项目，顺手又去看了火山引擎开源的这个，两个都在解决 agent 记不住事，路子完全不一样。 OpenViking 的做法是别让 agent 去查一个黑盒向量库，让它像开发者一样用 ls 、 tree 、 find 翻自己的上下文。记忆、资源、技能统一挂在 viking:// 这个虚拟文件系统下，每个目录带一份摘要和一份概览，检索先定位到目录再往下钻。 这篇记一下它的结构、检索流程，以及一致性那块的取舍。 项目概况 不是薄封装，是三种语言各管一层。到今天的 HEAD（ afa
刷到这个仓库的时候是被名字骗进去的，munder-difflin，《办公室》里那家最差的纸业公司，主管 Michael 也搬了过来当了这层楼的老板。演示视频里一堆像素小人在办公室里走来走去，互相发消息的时候还有信封在桌子之间飞，看着像个玩具。 后来翻到一份叫 docs/message-queue.md 的文档，一千多字只讲一件很窄的事：一个真实的 CLI 只有一根输入行，而想用它的不止你一个。这篇就记一下里面几处认真想过的地方。 项目概况 munder-difflin 是个 Electron 桌面应用，把你已经在终
同时用好几个编码 agent 的人都遇到过：Claude Code 干到一半退了，换 Codex 打开同一个目录，上一个知道的事一件都不剩。 ai-memory 是个 Rust 单二进制，用 MCP 加生命周期钩子给这些 CLI 接一层共享的长期记忆，不用手动 write_note ，也不用把总结在会话之间复制粘贴。 读它代码最大的收获不是功能表，是那十五条不变量——每一条后面都挂着一个别人踩过的坑的 issue 号。 要解决的问题 它把记忆沉淀成一棵 git 版本化的 markdown 树，作者管这叫 Karpa
时序预测这行以前的规矩是一个数据集训一个模型，调参调到吐。 TimesFM 是 Google Research 那个拿来就能零样本预测的基座模型，仓库我扒了一遍。 想写它不是因为分数，是因为「变长、缺洞、要分位数」这几件脏活它全在模型外面办掉了，代码里看得清清楚楚。 定位 decoder-only 的 patch 化时序模型， 论文 进的 ICML 2024， 开源仓库 Apache-2.0。它自己的话是零样本精度接近逐数据集单独监督训练的水平——注意是接近，不是超过，这个定位一开始就没吹。 现在这东西不只是个 r
自我改进的 agent 现在不新鲜了，让模型自己改自己的 prompt 和工具，谁都能搭一套。 难的是改完不崩：这道题好了，那三道悄悄坏了，回头看还不知道是哪一次改动干的。 DarwinX 给的答案挺利落——模型全程冻死，把「不许倒退」写进准入条件，然后养一群外壳互相配种。 外壳 论文里的 agent 分两层：模型权重，和包在外面那层跑起来的东西。后者是它说的 harness。 变的不是权重，是它读的提示、能调的工具、留的笔记，以及给动作排序的控制流。 可编辑的面被切成两块： skill （提示、记忆、蒸馏出来的知
图片超分这类工具，模型早就够用了，卡住普通人的是环境：Python、PyTorch、CUDA 版本、一长串命令行参数。 Final2x 做的事情是把这堆东西塞进一个六百多像素宽的小窗口——拖图进去、选模型、点开始。 让我想写一篇的不是它的界面，是它划进程边界的方式：界面这边一行推理代码都没有，真正干活的是另一个进程、另一门语言，两边靠三样东西通信。 定位 跨平台的图片超分辨率工具，Windows、macOS、Linux 都有发行物，BSD 3-Clause。当前是 v4.0.0，推理后端换成了 cccv，开始支持挂
上一篇写 DeepSeek Harness 的时候，底下那层 Cordis 我只用五句话带过，因为当时手上没有它的代码。 现在代码拿到了，从头读了一遍，发现那五句里至少有一句是错的，而真正值得说的地方一句都没提到。 这篇补上：一次插件激活到底走了哪些步骤、每个模块是怎么实现的，以及我认为它在方法论上真正解决了什么。 定位 Cordis 不是为 agent 写的。它 2022 年 5 月的第一个提交，是从聊天机器人框架 Koishi 里抽出来的通用底座，作者 Shigma 一个人写了绝大部分。四年多、五百多次提交，
DeepSeek Harness（命令行叫 dsh ）是 DeepSeek AI 开源的 agent harness，MIT，还在 developer preview 阶段，明说会有破坏性变更。它不是又一个「把 prompt 和工具拼起来跑一圈」的循环，而是把整个 agent 运行时——模型适配器、工具注册表、会话日志、连 agent loop 本身——全部做成插件，挂在一个叫 Cordis 的框架上。没有一个要打补丁的内核，任何一层都能从配置替换掉。 这篇不介绍怎么用它写 agent，而是拆它的架构：Cordis
给编码助手装「子人格」这件事，各家工具都支持，但角色从哪来是个体力活：自己写，或者满网抄。 Agency Agents 干脆把它做成了一个仓库——起于一条 Reddit 帖子， 如今攒了两百七十个带人格的专家角色，按公司组织架构分成十七个「事业部」，一条命令装进十六种工具。 角色本身是提示词工程，仓库真正下功夫的地方是分发和治理，这篇两头都拆。 定位 MIT 协议的角色集合，每个角色一个 markdown 文件：frontmatter 记名字、简介、配色、性格标签， 正文是完整的人格设定——身份与记忆、核心使命、铁
评测 agent 的基准大多长在程序员的地界上：修 bug、刷题、逛网页。 法律 AI 公司 Harvey 把自家的评测开源了出来—— Harvey LAB （Legal Agent Benchmark）， 让 agent 坐进虚拟资料室里干真实的律师活：尽调、起草、红线、备忘录。 任务怎么造、环境怎么隔离、没有标准答案怎么判分，这套设计值得拆开看看。 定位 MIT 协议的开源基准，两部分：一个任务数据集，一个执行与评测 harness。 文档口径是 1,660 个任务、覆盖 24 个执业领域加合同板块、约 10.
用聊天窗口学东西有个通病：金鱼记忆。今天讲明白的概念，下周开个新会话又得从头解释一遍； 错过的题、读到一半的资料、积累的笔记，散落在各个网页里，谁也不认识谁。 DeepTutor 是港大 HKUDS 实验室开源的学习工作台，想把这些串成一个整体—— 装在自己电脑上，资料是自己的，记忆看得见摸得着。这篇按模块拆开讲讲它到底是怎么运转的。 定位 简单来说就是一个装在你自己机器上的 AI 家教，Apache 2.0 开源， pip install deeptutor 就能起。 它自己不带「脑子」——大模型用你配的（Ope
上一篇拆了管省钱的 prompt-cache，这篇接着拆管认账的。 Agent 跑在生产上有个老问题：它存的是 embedding，不是意义——上下文说不清来历，决策事后无从审计。 在信贷、医疗这类行当里，「AI 为什么这么判」是监管几个月后真会来问的问题，向量库答不上来。 Semantica 用知识图谱来补这块，把源码翻了一遍，记下来。 定位 一个 Python 框架， pip install semantica 就有，自我介绍是「Open Source Palantir for AI Agents」——营销词放
线上的 LLM 调用看多了，会发现请求高度重复：客服机器人翻来覆去就那几问，RAG 内部问答也扎堆。 按 token 计费的上游对着重复问题一遍遍生成，钱白烧，延迟也压不下来。 传统精确匹配缓存在自然语言面前几乎无命中——「怎么退货」和「退货流程是什么」字面不同、语义相同。 把 prompt-cache 这个 Go 项目的源码通读了一遍，架构、每个模块的做法、以及它没说透的风险，都记在这里。 定位 PromptCache 是一个自托管的语义缓存网关：单个 Go 二进制，横在应用和 LLM 提供商之间， 对外暴露 O
终端 coding agent 见得多了，Prime Agent 还是让我停下来看了半天：模型手里只有一个工具，跑过的经验能沉淀回自身，关了终端会话也接着跑。 它是 PrimeIntellect 开源的 coding / research agent，官方定位就一个词——self-improving，自我进化；TUI 与 agent 基座借自开源的 pi，MIT 协议。这篇是通读文档和源码之后的笔记。 只有一个工具 一般的 coding agent 给模型发一把工具：读文件、写文件、跑命令、搜索，各是各的调用。Pr
传统服务的行为由 config 决定，AI agent 的行为由 skill 和 prompt 决定。这两样东西本质上是同一类：都是写在代码之外、运行时才去取的行为定义。既然是同一类，就该收进同一个服务统一管理。 Skill Shelf 是我按这个想法写的东西。给 agent 的那半边是 skill 仓库：像 Git 一样管版本、按自然语言需求路由、用反馈驱动 AI 改进，并以 MCP server 直接供 agent 取用。给服务的那半边是配置中心：namespace 隔离、草稿/发布版本化、service to