MCP 用过一次，经验为什么还留不下来？
文章探讨了 Agent 使用 MCP 工具时经验无法复用的难题。介绍 ToolAtlas 方案，将工具记忆存储在 Provider 端，通过构建三层能力图谱共享经验。实验显示该方案能显著提升成功率并减少推理 Token，同时讨论了落地中的数据安全、版本过期等挑战。
全部文档 / 标签: Infrastructure
5 篇
构建递归智能体系统：扩展 Composer 训练规模
本文介绍了 Cursor 如何构建一个包含数千个 Agent 的递归系统，以加速 Composer 模型的训练。系统通过主 Agent 管理子 Agent 的“健康”状态，实现并行实验的自动化监控与故障修复。该架构将研究员的效能提升了数量级，使大量计算资源能像企业组织一样协同工作。
最重要的 AI 创业领域不是 Agent，而是 AI Memory
本文探讨了 AI 领域被忽视的一环：记忆。文章指出，GBrain 正致力于构建持久的认知层，通过自动建立知识图谱和梦境循环维护，让 AI 拥有持久记忆和关系感知。作者认为，未来的 AI 竞争优势将属于那些能积累上下文和理解关系的系统，而不仅仅是智能体本身。
自主智能体的技术栈：实现市场化交易的信任、市场与控制平面
文章探讨了自主智能体从生成式工具转变为真正资产类别的关键技术堆栈。作者指出，智能体若要进入市场并有效交易，必须建立超越单纯“智能”的基础设施。文章提出了由信任平面（身份、发现、声誉）、市场平面（定价、结算、流动性）和控制平面（授权、合规、协调）构成的十层架构。文中重点分析了 ERC-8004 标准在建立链上身份和互操作性方面的作用，并详细阐述了身份验证、能力注册和声誉追踪这三个信任层级目前存在的缺失与未来的解决方案。
AI Agents Have No Memory for Failure. So We Gave Them One.
本文指出 88% 的 AI Agent 无法投入生产，主要原因是它们缺乏记忆，无法从重复的失败中学习。作者开源了一款名为 Helix 的自愈运行时，通过引入“Gene Map”机制，让 Agent 能像拥有免疫系统一样，在毫秒级内利用已验证的修复方案解决常规错误，从而大幅降低诊断成本和延迟。
