LayerFS 是一个面向 AI Agent 的文件系统，同时提供可自由探索、随时丢弃的隔离工作区，以及可保留、共享和复用的持久历史。针对并行 Agent 从同一环境出发产生大量重复存储的问题，LayerFS 通过三层机制实现高效存储：内容寻址存储（CAS）复用完全相同的对象；内容定义分块（CDC）采用 FastCDC 风格策略，使局部修改不会导致边界偏移，实现文件内部区域复用；写时复制（COW）只重建发生变化的路径，复用未变的文件系统结构。三者结合使检查点在逻辑上完整不可变，物理上仅增量存储，让 Agent 实验成本低廉且可派生、回溯。
本文介绍了ICM（可解释上下文方法论）如何通过文件系统结构优化AI代理的工作流程。作者Tom分享了其业务文件夹'AI Operator OS'的改造经验，通过编号文件夹、精简根文件、为每个文件夹添加CONTEXT.md契约、分离工厂与产品等原则，解决了代理上下文过载、工作状态不透明等问题。文章详细展示了如何将768行的技能文件重构为55行的路由器加独立管道，并提供了在单个文件夹上试行的具体步骤。该方法强调可解释性和人工审查，适合需要逐步验证输出的工作流程。
本文解决了提示词库沦为“收藏夹”而无法被 AI 有效调用的问题。作者通过建立文件目录分类 Prompt，并在 RULES.md 中编写“任务路由”规则，成功让 Codex 能够根据任务自动读取对应的 Prompt 文件。文章强调了 Prompt 库接入工作流的三层要素：分类存储、路由规则、验证读取。
本文是一篇详尽的 Obsidian 教程，旨在指导读者从零开始构建一个高效、持久且智能的“第二大脑”。文章首先阐述了 Obsidian 基于 Markdown 文件的数据永久性及双向链接的核心优势，并强调了其结合 Claude AI 实现“主动思考”的潜力。接着，文章提出了构建知识库的四大哲学原则：检索优先、原子笔记、链接至上以及注重输出。最后，详细展示了包含 INBOX、PERMANENT、PROJECTS 等在内的十个标准文件夹架构，为管理海量笔记提供了可扩展的顶层设计方案。
文章探讨了 AI 中“知识库”与“记忆”的本质区别，指出仅靠语义相似性检索会导致遗忘和误报。作者介绍了 SMF 架构，利用 POSIX 符号链接构建原生文件系统知识图谱。相比传统数据库或 Markdown 链接，SMF 提供了访问控制、可编程遍历及云端扩展性。实验表明，良好的结构化架构（BM25+图遍历）在效率上优于单纯扩大模型规模。
SMFS 是一个结合了 RAG 和传统文件系统优势的新型可挂载文件系统。它允许 Agent 使用标准的 Unix 命令（如 grep）执行语义搜索，支持多格式文件的自动解析与提取，并提供本地优先的同步引擎。内部基准测试显示，SMFS 能显著减少 Token 消耗和工具调用次数，同时大幅提升检索准确率。
文章详细介绍了 Claude Managed Agents 平台新增的内存功能。该功能利用文件系统存储记忆，使代理能够在不同会话间保持上下文并从经验中学习。通过对比早期模型与 Opus 4.6 在宝可梦游戏中的表现，展示了模型自我组织和利用记忆能力的进化。平台通过挂载目录的方式实现多代理间的实时记忆同步与并发控制，并支持通过 API 导出。
