Mem0 OSS v3 实践:记忆架构、混合检索与生产取舍
这篇笔记来自我对开源 AI 系统的长期拆解:先跑起来,再读迁移文档,最后记录抽象在哪些地方成立,又在哪些地方开始漏水。 问题从来不是“记得越多越好” 只要对话还装得进上下文窗口,LLM 就能维持短暂的连续感。但这不是长期记忆,更不是可靠的应用状态。会话结束之后,模型不会自然记住用户偏好简短回 …

浏览 AI 技术、成长与生活、AI 项目的全部内容
工具、Agent 与工程实践
这篇笔记来自我对开源 AI 系统的长期拆解:先跑起来,再读迁移文档,最后记录抽象在哪些地方成立,又在哪些地方开始漏水。 问题从来不是“记得越多越好” 只要对话还装得进上下文窗口,LLM 就能维持短暂的连续感。但这不是长期记忆,更不是可靠的应用状态。会话结束之后,模型不会自然记住用户偏好简短回 …

桌面智能体最容易给人留下印象的,是“它真的点了那个按钮”。但按钮被点中,只是演示成立;任务能否稳定结束,才是系统成立。 微软 UFO 项目几年的演进,恰好沿着这条分界线展开:2024 年的 UFO v1 证明视觉语言模型可以操作 Windows;2025 年的 UFO² 把操作提升为一个有状态、 …

一次同步成功,不等于交付系统已经可靠 Argo CD 页面变成绿色,只能证明此刻的集群与它计算出的期望状态一致。它不能证明镜像通过了测试,不能证明删除动作安全,也不能证明下一次 Git 变更值得进入生产。

推荐系统最容易制造一种错觉:模型越新,系统就越先进。 真正做过推荐的人会知道,模型只是水面上的一小部分。水面之下还有曝光偏差、延迟预算、特征新鲜度、库存约束、探索风险和反事实评估。大语言模型(LLM)确实给推荐系统增加了新的语义入口,却没有替我们消除这些旧问题。它甚至会带来新的麻烦:成本更高、输 …

2026 年 7 月 16 日,Google 正式把 NotebookLM 更名为 Gemini Notebook。 名字变了,最值得保留的问题没有变: 我能不能沿着一段答案,走回一份自己愿意相信的证据? 这才是 Gemini Notebook 与普通聊天工具真正不同的地方。普通对话从一个宽广模 …

当被测函数只是把两个数字相加时,测试驱动开发很好解释:先写一个失败测试,让它通过,再在行为不变的前提下改善实现。困难出现在函数开始调用大模型之后--同一个问题可能有五种都算正确的回答,今天通过的结果,明天也可能因为模型、检索索引或服务端推理环境变化而不同。

文档转换器是一座桥,不是真相本身。真正重要的不是输出第一眼是否整洁,而是下一套系统需要的证据有没有过桥。 MarkItDown 的演示很简单:装一个包,传入文件,得到 Markdown。困难往往从下一分钟开始。一个 PDF 可能同时包含可选文字、扫描页、图表和复杂表格;一份演示文稿的关键数字可 …

这个项目是一场持续的开源学习:每天向前一点,用真实项目训练解决复杂问题的能力,也把判断变化的过程留下来。 项目学习清单

成长、观察与真实生活
我的 2023 年度总结 2023 很快就要过去了,转眼间大学生活只剩下最后半年了,我一个朋友说过,工作的越久越是觉得:*可怕的不是你失去了工作的激情,而是再也找不回来了。*

你好,我是熊鑫伟 在光阴的长河中,我如此荣幸地踏入大四的这个重要时刻。不仅仅是一位学生,我热衷于编写那些跳动的代码,于是,我成为了开源的狂热追随者。欢迎你探索我的数字天地--我的GitHub 。这里,你将看到我对技术的热爱,我的第三代博客,我期待它能成为我与这个世界对话的终极纽带。
✨ 熟悉我的人都知道,我是一名不折不扣的开源爱好者,从大一开始接触到 GitHub 后,逐渐的沉迷于 开源世界 ~ 今天这篇文章很特别,算是自己参考并且总结出来的开源阶段,以及学习开源项目的步骤和心得。未来自己也是按照自己的规划来进行成长。 同学习 Kubernetes 的成长轨迹 一样,这篇文 …
项目管理从理论到实践 理论介绍 ⌀ 配图已失效 · image-20230113165927930 瀑布模型: ⌀ 配图已失效 · image-20230113163949341 敏捷模型: ⌀ 配图已失效 · image-20230113164028753
使用上下方向键选择结果,按回车打开。按 Command 或 Control 加回车询问 AI。
没有找到匹配结果