OpenHuman 横空出世：下一代个人 AI 助手的七个应用场景
文章介绍了开源 AI 助手 OpenHuman，旨在解决现有 Agent 缺乏持续上下文的问题。作为个人的“记忆”和“执行者”，OpenHuman 通过集成 Gmail、GitHub、Notion 等工具，将碎片化的数字生活转化为结构化的项目记忆。文章详细阐述了其在邮件整理、会议记录、素材积累、开发辅助、学习轨迹、团队协作及生活提醒等七个场景中的应用，并探讨了本地化隐私保护的重要性。
相关文档
浙大发布的 nanoMuse 一款个人 Agent
浙大发布了开源个人 Agent 项目 nanoMuse，对国内软件适配良好。用户可定制个人 AI 助理，可玩性很高。项目支持手机、电脑、个人服务器等多设备，一个账号即可跨设备通用使用。文章认为当前 AI 助理产品众多，走得早、走得好的产品才能走得久，并附上了项目的 GitHub 链接供感兴趣的用户体验。
关于 DeepSeek Bot 的开发中的思考和取舍
作者分享了基于 DeepSeek Harness 构建的持久化 Bot 团队 DeepSeek Bot 的开发经验，重点讲解上下文和记忆系统的设计。文章对比了传统压缩派（cc）和 Codex 的实验性上下文管理（ecm），提出智能路由方式（icm）：由独立的 context manager 决定压缩还是切会话。为确保智能路由真正有效，作者采用爬山算法优化，通过搭建用例、设置训练测试集、逐步迭代提示词来提升效果，并强调屏蔽噪声和成本控制的重要性。记忆系统采用轻量设计并支持外接插件。文章最后感谢社区认可并预告 Computer use、Browser use 等更新。
我做了一个开源记忆框架，让 Claude Code、Codex、WorkBuddy 共用一个大脑
作者开源了 Agent 记忆系统 Loci，解决各家 AI Agent 记忆黑盒、不互通、拿不出来的问题。Loci 将用户偏好、决策、任务、人脉等信息蒸馏为结构化的本地 Markdown 文件，形成跨 agent 共用的“大脑”，一次告知即可在 Claude Code、Codex、WorkBuddy 等工具间生效。记忆完全私有、透明可改可删，支持分层加载避免撑爆上下文，并内置本地 Dashboard 提供任务、人脉、大脑记录等可视化管理。项目 MIT 协议开源免费，可通过让 AI 自行安装或一行命令 npx create-loci 快速部署。
Anthropic开源Claude电商购物Agent及施工经验手册
Anthropic开源了此前为商家打造的Claude购物AI助手（Commerce Agents），提供购物Agent和商家Agent两套完整可运行实现，覆盖零售、旅游、电信、票务四个行业，包含代码、技能、工具契约和安全门禁。文章总结了核心经验：用一个聪明大脑搭配一摞skills而非拆分多个小AI，系统提示词放高频逻辑、技能放长尾功能；智能体应调用企业已有引擎而非自行计算；将UI定义为工具调用输出结构化参数；优化延迟与缓存命中率；用户偏好存数据库而非模型；涉及钱的操作必须人工审批，并辅以自动化测试。
用开源Harness构建长时间运行的Agent
文章探讨agent harness在长时任务中的关键作用。原始模型本身是无状态的，没有持久执行循环，agent harness为模型提供执行系统，包括模型循环、MCP工具连接、技能、沙箱执行、子代理、上下文压缩、审批检查点和持久会话等能力。作者以开源项目TrueForge为例，演示构建一个网页研究agent：通过MCP接入Exa搜索，启用web-artifacts-builder技能，在沙箱中执行代码。文章还讲解渐进式披露策略，避免大量工具定义占用模型上下文窗口，强调开源harness在agent工程中的重要性。
15个 Hermes Agent 核心概念详解
本文以通俗易懂的方式讲解 Hermes Agent 的 15 个核心概念，包括：harness 与模型的分层架构、按任务路由不同模型、通过终端、桌面应用、Telegram 和语音等多种界面与同一代理交互、SOUL.md 等配置文件如何定义代理行为、上下文窗口的压缩与交接机制、代理循环、工具与 MCP 服务器和插件、记忆与技能的区别，以及钩子的自动触发机制等，帮助读者理解 Hermes 各组件如何协同工作。
100小时实测：Deepseek Harness 对比 Claude Code
作者花一周时间将开源的 Deepseek Harness 与 Claude Code 在自己的 AI 操作系统中进行对比测试，包括建网站、知识库搜索、分析工作簿等真实任务。结论是 Deepseek Harness 速度更快、免费开源、一切皆插件、可高度定制，但作为开发者预览版仍有 bug、上下文丢失和视觉验证弱等问题。作者倾向于用它做快速研究和低成本溢出工作，而深度或客户级交付仍更信任 Claude Code。
I got tired of being a human AGENTS.md
作者受够了每次与编码代理沟通时重复上下文，因此开发了AsterMem，一个本地运行的内存服务器。它将记忆存储为Markdown文件，支持离线运行，并自动提炼用户画像供代理读取。用户可完全控制和编辑记忆，避免黑盒问题。
极客风格的 Agent Skills 管理实践：利用软链接实现高效复用
本文分享了一种“极客风格”的 Agent Skills 管理策略，旨在解决全局 Skills 占用过多上下文窗口及维护混乱的问题。核心方案包括：仅在项目内安装必要的 Skill 以节省空间；利用软链接（类似快捷方式）将项目内的 Skill 指向统一的 GitHub 仓库原件。这种方法不仅便于统一管理和更新（一次修改，全局生效），还能将 Bug 修复直接反哺开源项目。同时，作者建议利用 Agent（如 Codex）自动执行软链接命令，降低技术门槛。
I Turned Claude Opus 4.8 Into My Entire AI Operating System
本文介绍了如何利用 Claude Opus 4.8 构建个人 AI 操作系统的实践。作者提出了“上下文为王”的核心理念，详细阐述了包含“上下文、连接、能力、节奏”的四层架构（4C's），并分享了组织文件、建立工具连接以及使用 /insights 指令进行自我审计的方法，旨在打造一个统一的、非状态化的智能工作流。
Hermes Harness 架构深度解析
本文深入分析了 NousResearch 的 Hermes 开源 Agent Harness 架构。文章指出 Hermes 全面实现了包括上下文管理、子代理管理、会话持久化等在内的九大核心组件。作者详细探讨了其独特优势：统一的运行时支持多种模型提供商、复杂的三层系统提示词组装、基于 SQLite 的会话即基础设施设计，以及内置的消息网关和 Cron 系统。文章最后展望了其向一级编排能力演进的方向。
腾讯开源 AI Agent 运行时系统 TencentDB Agent Memory
文章深度解析了腾讯开源的 TencentDB Agent Memory 系统。不同于市面上的“向量数据库+RAG”方案，该系统旨在解决长任务中的“上下文退化”问题。其核心创新在于短期压缩（Offload 机制）与长期记忆（四层流水线）的结合，通过三层回溯、任务图动态压缩及结构化记忆提取，有效管理了 Agent 的上下文窗口与记忆生命周期。
