Search

Tag: #agent-architecture9 results

代理程式究竟需要多少記憶體？

Hugging Face 探討 AI 代理程式的記憶體需求，以及決定代理程式實際需要多少記憶體的因素。這篇文章定位為代理程式記憶體的分析，而非特定產品發布。

LuoBo的Fuzozo AI毛絨玩具成功實現了情感陪伴的商業化。該公司透過模型分流、Agent調度以及自研的「EchoChain」記憶系統來優化Token消耗成本。

FlashLabs 創辦人石一將公司從傳統 SaaS 轉型為 AI 原生模式，優先考慮深度研究與強大的單智能體架構，而非多智能體系統，以避免被基礎模型進化所淘汰。

STEM Agent 是一種模組化 AI 代理架構，受生物多能性啟發，能自適應各種協議、工具和使用者模型。它透過單一閘道統一五種互操作協議，並具備 Caller Profiler 學習超過 20 個使用者偏好維度。架構包含生物啟發技能獲取和高效記憶整合，經 413 項測試套件驗證。

本研究綜述探討了在任務規則隨時間變化的非平穩環境中，上下文強化學習（ICRL）所面臨的挑戰。文中提供了一個分析框架，幫助理解模型如何在無需測試時參數更新的情況下，適應動態變化的環境。

DeepSeek Harness 提出以模型加上 Harness 的方式建構 Agent，旨在降低 Agent 行為的黑箱程度。這篇短文提供的是概念公式，未包含實作細節、基準測試或正式發布資訊。

MongoDB 認為，最大化 Token 使用量並不能有效代表 Agent 品質，因為 Context Window 是稀缺資源。文章主張採用具備持久化、可查詢、語意檢索與角色型存取控制的 Agentic Memory，打造更具擴展性的架構。

本文說明在設計 AI agent 工作流程時，如何在使用技能與委派工作給子代理之間做出選擇。內容可能著重於根據任務複雜度、自主性與協作需求，匹配合適的方法。

SALT 是一個開源記憶管理系統，將輸入儲存在基於 DRAM 的 trie 結構中，並透過 CELF 演算法依據關鍵字主題優勢檢索句子。作者表示，系統雖然檢索效率高，卻常擷取過多上下文，導致較小型模型產生幻覺；隨著代理模組增加，這項問題可能更加嚴重。