🏷️ LLM架构

12步打造拥有持久记忆的自我进化Claude智能体

本文详细介绍了如何通过12个步骤为Claude智能体构建四层记忆架构：利用内置记忆功能、创建Project作为固定工作流、编写动态增减的持久化记忆文件，以及配置Dreaming自我迭代机制。文章指出，只有结合长期偏好存储与任务模式总结，才能让Agent跨越会话限制，从单次执行的“金鱼”进化为持续自我优化的虚拟员工。

四大 Agent 编排模式详解

本文探讨了单提示词 LLM 工作流的局限性，并介绍了 NYU 研究者测试的四种多 Agent 编排架构：顺序流水线、并行分发合并、分层主管-工人模式以及反思式自纠循环。文章详细分析了每种模式的技术原理、优缺点、Token 效率及适用场景，指出分层模式在成本与精度间最平衡，而自纠模式虽精度最高但成本高昂且难以扩展。

驾驭 Claude 的智能 | 构建应用的 3 个关键模式

本文探讨了如何随着 Claude 能力的进化，调整构建 AI 应用的策略。文章提出了三个核心模式：善用 Claude 已知的通用工具（如 bash 和文本编辑器），赋予其自主编排和上下文管理能力，以及谨慎设定框架边界以平衡安全与效率。文章强调了减少外部框架对模型能力的过度干预，让 Claude 自主决定工具调用与数据处理，从而提升应用的性能和成本效益。