本文深入比较了2026年可自托管的开源AI代理记忆系统，包括Mem0、Cognee、Graphiti/Zep、Letta和Hindsight。文章强调开源与可自托管并非同义，并提出了五个评估维度：检索准确性、自托管现实、功能对等性、许可证和架构。通过公开基准测试和实际部署要求，作者揭示了各系统的真实优劣，特别指出Mem0社区最大但基准测试饱和，Graphiti擅长时间推理但需外部图数据库，Hindsight在准确性和部署简便性上领先。文章旨在帮助读者根据自身需求选择最合适的记忆层系统。
本文介绍了开源的模拟律所环境Calderwood & Harkness (C&H)，旨在测试大语言模型在企业级海量知识（超1亿Token）中的检索与推理能力。C&H包含46个客户和266个案件。基准测试表明，当前先进模型在全面搜索和判断信息检索的“完整性”上存在严重瓶颈，导致任务完成度受限。作者指出，未来的改进方向是让智能体预先构建更丰富的语料库表示（如索引、摘要、记忆），以分摊运行成本并提升企业级知识处理能力。
本文介绍了开源库 AutoAgent，这是一个能够自主优化任何领域代理的框架。通过引入“元代理”概念，AutoAgent 可以自动调整任务代理的提示、工具和编排逻辑，从而在 SpreadsheetBench 和 TerminalBench 测试中取得卓越成绩。文章探讨了“模型同理心”的重要性，并详细阐述了该框架如何通过拆分元任务与任务、利用推理轨迹以及避免过拟合来实现性能的持续提升。
Anthropic 官方 Skills 生成器 Skill-creator 迎来重大更新，新增四大核心功能：评估系统、基准测试、多代理并行测试及描述调优。此次升级解决了长期以来 Skills 质量“黑盒”的痛点，通过量化测试（如通过率、耗时、Token用量）和自动迭代优化，显著提升了 Skills 的触发准确率和执行效果。
