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。
🏷️ Infrastructure
3 篇最重要的 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。
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。