Agent Wikis 的现状与发展
文章介绍了基于 Andrej Karpathy 提出的“LLM Wiki”概念而衍生出的四种 Agent Wiki 系统(DeepWiki、AutoWiki、OpenWiki、GBrain)。核心原理是在摄取阶段将信息编译为 Markdown 页面,而非在查询时检索。文章详细阐述了系统架构、优势及不同团队的工程实现差异。
文章介绍了基于 Andrej Karpathy 提出的“LLM Wiki”概念而衍生出的四种 Agent Wiki 系统(DeepWiki、AutoWiki、OpenWiki、GBrain)。核心原理是在摄取阶段将信息编译为 Markdown 页面,而非在查询时检索。文章详细阐述了系统架构、优势及不同团队的工程实现差异。
文章探讨了 LLM Wiki 模式的兴起,即通过在摄取时编译知识而非查询时检索,解决传统 RAG 无法积累知识的问题。介绍了 Cognition、FactoryAI、LangChain 等团队构建的 Agent Wiki 系统,分析了其架构原理及在维护成本上的优势。
文章深入解析了 OpenAI Codex CLI 的内存架构,该工具通过本地 Markdown 文件异步生成和汇总记忆。文章详细介绍了记忆的写入与加载流程,指出其缺乏向量数据库、仅依赖关键词匹配及受限于本地文件系统等局限。最后,文章引入 Mem0 作为解决方案,通过 MCP 协议提供跨机器、跨工具的持久化智能记忆层,解决原生功能在扩展性和同步方面的不足。
本文介绍了 Hermes Agent v0.12.0 版本中推出的 Hermes Curator 功能。针对自改进 Agent 普遍存在的技能囤积和上下文腐朽问题,Hermes Curator 作为一个后台维护系统,通过遥测驱动的状态机自动追踪技能使用频率。它能将长期未用的技能由活跃转为陈旧,直至归档,并利用低成本辅助模型定期审查和合并重复技能。此外,系统提供 CLI 工具和“固定”机制,确保关键技能不被误删,从而在不干扰用户工作的情况下,降低 Token 成本并提升 Agent 推理效率。
文章深度剖析了开源项目 Multica(GitHub 15.4k stars)的多智能体记忆系统架构。与普遍依赖向量数据库的方案不同,Multica 采用了基于 PostgreSQL 和 JSONB 的纯关系型数据库设计,通过 Issue、Skill、Agent Task Queue 等六张表实现状态管理、技能积累和工作空间隔离。作者详细梳理了任务从创建、快照生成到 Agent 执行的完整流程,并指出对于编码类任务,明确关联优于模糊检索,同时探讨了该架构在上下文持久化和跨工作空间记忆方面的局限性。