扒了市场上6254个插件，梳理出我常用的50+效率插件
作者从插件市场6254个插件中筛选整理出50+实用插件，覆盖DeepSeek Harness（DSH）生态。文章按功能分为三大类：上下文与记忆（如billion-context压缩、hindsight长期记忆）、界面与主题（Codex风格UI、桌宠、皮肤主题）、任务与开发（子代理、任务看板、Git图、代码审查、多智能体协作等），每个插件附下载量、一句话简介和GitHub仓库链接，方便读者按需查找安装。
全部文档 / 标签: 记忆管理
19 篇
12 Agentic Harness Patterns From Claude Code
文章总结了 Claude Code 中十二种可复用的代理 Harness 设计模式，分为四大类：记忆与上下文（持久指令文件、范围化上下文组装、分层记忆、空闲整理、渐进式上下文压缩）、工作流与编排（探索-计划-执行循环、上下文隔离子代理、分叉-合并并行）、工具与权限（渐进式工具扩展、命令风险分类、单一职责工具设计）以及自动化（确定性生命周期钩子）。作者强调这些是架构层面的决策而非临时提示技巧，即使模型能力提升仍具价值。
Claude被封号后，0损失换家Agent/换新号（4招实操）
作者分享 Claude 账号被封后如何无损迁移开发任务和历史记录的 4 招实操方法。第一招是使用 Claude Code 而非 Chat，因为其对话记录、配置、skill 和 memory 都明文存放在本地 ~/.claude 目录，可被新号或其他 Agent 直接读取；第二招是利用 Codex App 的一键导入功能，连对话历史都能原样搬过去；第三招是在全局契约中约定自动沉淀 run log（过程轨）和 summary（结论轨）文档，让交接材料平时就写好；第四招是将项目文档定期备份到 GitHub 私有仓库，新工具连上即可了解项目全貌。文末还附有外挂记忆工具推荐及注册 Claude 新号的番外方法。
AI 长篇小说长期记忆方案盘点：5 个开源项目解决剧情失忆吃书问题
作者分享了在番茄小说用 AI 写长篇的实践经验，指出大上下文窗口并不等于剧情逻辑连续性，核心在于状态锁、角色知识边界和改稿后的级联更新。文章深入分析了 5 个 GitHub 开源方案：oh-story（Codex 深度写手，追踪提交协议）、MuMuAINovel（中文 Web 工作台，可视化记忆管理）、Ani Book Skill（本地 YAML 工程化方案）、ainovel-cli（Go 语言多 Agent 引擎）、Webnovel Writer v6（Claude Code 插件），各自说明核心机制与实操避坑点。最后给出三个测试标准：道具连续性、角色知识隔离、改稿级联冲突检测。
新的八股文已经出现：25道Agent高频实操面试题
作者整理了25道Agent方向高频实操面试题，聚焦一线项目落地痛点，分为五大模块：Agent核心架构（ReAct与Plan-and-Execute选型、多Agent设计、HITL机制）、工具调用落地（Function Calling、Schema设计、重试熔断降级）、记忆与状态管理（长短记忆、Token溢出）、效果优化与问题排查（Bad Case溯源、性能瓶颈定位）以及Agent+RAG落地（检索优化、幻觉防控）。这些题目针对FDE等需要真实项目落地经验的岗位，大多是开放性问题，能同时考察面试官和面试者的实战深度。
How we built Hermes to support our entire team
Artie 团队（17人）分享了如何将 Hermes——NousResearch 的开源 AI agent harness——部署为全团队共享的 AI 助手。文章讲述了从工程师个人 WhatsApp 使用的起步，到选择 Hermes 而非 OpenClaw 并加入护栏的决策；用每年 60 美元的 Hetzner 物理服务器承载全部运行。团队为每个部门设计了独立 profile：工程（Plan 分派任务、Code 执行开 PR）、销售、设计、BizOps 等，并强调人类始终在环节中审核。Skills 以代码形式版本化进 Git 仓库，严控数量以省 token。受人类 REM 睡眠启发，Hermes 每晚'做梦'复盘当日工作，将有价值内容晋升到长期记忆。
可算有一个总能先我一步调整好日常待办的个人AI了
作者体验了个人AI助手Today，它定位为个人生活连续性管家，能整合日历、健康数据等，主动提供晨间简报和日程调整建议。文章通过三个真实场景展示了Today的贴心之处：临时变动时自动重排日程、睡眠不足时减少打扰、记忆可编辑可删除。作者认为Today与工作Agent不同，更像生活管家，并建议采用阶梯信任逐步开放权限。
我把 Codex 和 Claude Code 的 Memory 拆成了 3 层
文章对比了 Codex、Claude Code 和 UiPath 三家的 Agent Memory 机制，指出项目中最容易混淆的是长期规则、自动积累的经验回忆和项目事实三层信息。作者提出用仓库中的 4 个 Markdown 文件（current-state.md、decisions.md、failures.md、memory-inbox.md）管理项目记忆，并让 CLAUDE.md 引用 AGENTS.md 实现两工具共用规则。同时强调自动记忆要有边界和退出机制，避免过期结论被误当作确认事实。
System Design for Agent Systems (Part 1)
本文深入探讨了代理系统设计的基础与核心组件。作者指出，将前沿模型放入设计糟糕的代理系统只会得到更清晰的失败，因此工程重点应放在模型之外的代理框架（harness）上。文章首先对比了代理工作负载与传统Web请求的差异，强调代理任务耗时、I/O密集、非确定性和高边际成本，并由此推导出架构设计原则。随后，文章详细介绍了代理框架的四个关键组件：工具（Tools）的设计契约与最佳实践、提示词工程（Prompt Engineering）的结构化方法与版本管理、记忆（Memory）的短期与长期区分及上下文管理，以及多代理编排（Orchestration）的并行与顺序模式。所有内容均基于一个真实的五代理系统DevVoice，提供了实用的设计决策与代码示例。
How to Design an Agent Harness: six decisions that turn a model into a worker you can leave alone
本文深入探讨了Agent Harness（代理框架）的设计，指出模型性能并非关键，真正决定成败的是围绕模型的软件层。文章通过DoorDash、OpenAI和Anthropic的真实案例，展示了三种截然不同的Harness设计模式。核心部分详细阐述了六个关键决策：循环与停止规则、工具可见性、记忆管理、崩溃恢复、权限边界和完成定义。每个决策都提供了具体操作建议和成本效益分析，强调通过精心设计Harness，可以将一个需要持续监督的模型转变为可独立完成工作的可靠员工。
用 AI Agent 开发的真实成本：记忆比 Token 更贵
作者分享了使用 Memmy 整合多个 AI Agent（Claude Code、Codex 等）历史记录的实战经验。通过统一记忆管理，新 Agent 能准确识别过期结论和冲突信息，避免重复试错成本。文章强调长期记忆的核心价值不在于存储数量，而在于精准识别“什么不再有效”，从而实现无缝的项目交接。
看完 Jason Liu 75 分钟实战，Codex 真正好用的分界线出现了
文章深入剖析了 Jason Liu 关于 Codex 的实战 workshop，指出 AI 并发提升了效率，但也带来记忆负担。真正的分界线在于构建可持续、可审阅的工作闭环：利用长线程、文件化记忆、Heartbeat 与 Goal 机制，以及明确的权限边界，让 Agent 从单纯的工具转变为可靠的长期工作搭档。
如何在 2026 年构建多模型 AI 团队
文章探讨了当前在多个 AI 工具间切换导致上下文丢失的低效问题，介绍了名为 Unibase Memory 的 Chrome 扩展程序。该工具通过跨 ChatGPT、Claude 和 Gemini 捕获、组织并注入共享记忆，解决了 AI 模型间无法互通的记忆基础设施难题，实现了零重复解释的无缝工作流。
PPT图解AI Agent的核心机制
本文通过10张图文详细解析AI Agent的核心机制，包括从回答问题到完成任务的转变、基础架构、核心循环、工具调用、记忆管理、规划控制、知识增强、多Agent协作及安全评估等关键概念，并提供制作涂鸦风PPT的提示词。
生产级深度 Agent 的运行时解析：LangSmith 的架构实践
文章深入探讨了构建生产级 AI Agent 所需的运行时基础设施。作者区分了围绕模型的“挽具”与底层“运行时”，并详细剖析了运行时的四大核心能力：持久化执行、长期/短期记忆管理、多租户隔离以及人机协同。这些机制解决了 Agent 在长时间运行、状态恢复和数据安全方面的关键挑战。
Hermes Agent 从入门到精通：25 个致命坑避坑实战指南
本文是一份详尽的 Hermes Agent 使用避坑指南，旨在帮助新手和资深开发者解决在安装、配置、模型接入及多 Agent 协作中遇到的常见问题。文章总结了 25 个典型的“致命坑”，涵盖 Windows 环境兼容性、WSL 配置、API 接入报错、模型行为控制、记忆管理以及权限安全等核心领域，提供了具体的排查步骤与解决方案，能有效减少用户在调试和部署上浪费的时间。
Hermes、Claude Code 与 OpenClaw 的区别对比
本文对比分析了近期热门的 Hermes Agent 与 Claude Code、OpenClaw 的区别。Hermes Agent 是一个轻量级、可自我学习的通用 Agent，定位介于三者之间。与 Claude Code 相比，它不绑定 IDE，支持多平台和 18+ 模型；与 OpenClaw 相比，它采用独特的“有限记忆”哲学和自学习循环机制，能自动沉淀个人技能笔记，更适合个人开发者私有化部署。
从牛马AI洞察2026年企业智能体市场
本文基于“牛马AI”的开发经验，展望了2026年企业智能体（Agent）的市场形态。作者指出，未来的Agent产品将类似Slack/飞书的聚合聊天界面，核心挑战在于人机协作的切换与记忆分层。文章预测C端Agent的终局将是“AI众包分发平台”，用户通过消耗Token产生经济价值，未来的商业模式将演变为算力众筹与按贡献分红的体系。
OpenClaw 记忆指南：解决遗忘问题与高级配置
文章深入探讨了 OpenClaw 智能体的三种常见记忆失效模式：未保存、未检索及上下文压缩导致的丢失。作者提供了启用内存刷新、配置上下文修剪、混合搜索及索引历史会话等基础修复方案。此外，还介绍了 QMD、Mem0 和 Cognee 等高级工具，以实现生产级的持久化记忆和知识图谱检索，解决复杂场景下的记忆管理难题。
