#Agent

δ mem：大模型长期记忆开始从“上下文拉长”转向“在线状态层” 核心解读 今天 Hacker News 上最值得 llmapis.com 跟进的一篇 AI 研究，不是又一个更大的上下文窗口，也不是再做一层外置记忆胶水，而是这篇很克制、但方向非常对的工作： δ mem: Efficient Online Memory

Statewright：当 Agent 失控的真正解法，不是再喂更多上下文，而是把工作流本身变成可执行约束 今天另一个值得 llmapis.com 跟进的 Agent 基础设施项目，是 Statewright 。如果只看表面，它像一个给 coding agent 加“流程规范”的工具；但真正重要的地方，是它在回答一个越

UI TARS Desktop：开源多模态 GUI Agent 正从“能操作界面”走向完整的执行栈 今天 GitHub Trending 上最值得 llmapis.com 跟进的 AI 项目之一，不是又一个包装聊天窗口的“万能助手”，而是 ByteDance 开源的 UI TARS Desktop / Agent TA

AgentMemory：Coding Agent 的竞争，开始从“会不会写代码”转向“能不能长期记住项目” 今天 GitHub Trending 上最值得注意的 AI 项目之一，不是又一个通用 Agent 壳子，也不是另一个换皮聊天界面，而是一个更底层、也更现实的问题： 当 coding agent 进入真实开发流程之

DELEGATE 52：当 AI 开始替你长流程干活，真正危险的不是答错，而是悄悄把文档改坏 今天 Hacker News 上最值得做深读的一篇 AI 相关内容，不是又一篇“模型更强了”的体验帖，而是一篇更接近现实工作流底层问题的论文： 《LLMs Corrupt Your Documents When You Del

claude hud：把 Claude Code 的运行状态真正“可视化” 核心解读 claude hud 是一个面向 Claude Code 的插件，它解决的不是“让模型更聪明”，而是让开发者 看清模型到底在干什么 。它会把上下文使用量、当前活跃工具、运行中的 agent，以及 todo 进度直接展示出来，把原本隐藏

What Is Agentic Engineering? AI Agent 工程化新模式 核心解读 Simon Willison 发布了一篇关于"Agentic Engineering"的深度文章，探讨了如何构建和管理 AI Agent 系统的工程化方法论。这是对 AI Agent 开发模式的重要思考。 为什么值得关注

OpenViking 为 AI Agent 设计的上下文数据库 核心解读 OpenViking 是一个专门为 AI Agent（如 OpenClaw）设计的开源上下文数据库。它统一管理 Agent 需要的上下文（记忆、资源和技能），通过文件系统范式实现分层上下文交付和自我进化。 为什么值得关注？ 1. Agent 系统

agency agents 开箱即用的 AI 代理解决方案 核心解读 agency agents 的火爆反映了市场对 开箱即用的 AI 代理解决方案 的强烈需求。与传统框架只提供 API 不同，它提供了 完整的代理生态系统 。 为什么现在火？ 市场需求变化 ： 从"我会用 AI"到"我要用 AI 解决具体问题" 企业需

"睡眠时代理"：AI 自动化的终极形态 核心解读 "Agents that run while I sleep"（睡眠时代理）不仅是一个技术概念，更是 对"工作"定义的重新思考 。 核心概念 什么是睡眠时代理 ？ 用户睡觉时，代理继续工作 24/7 不间断的自动化工作流 不需要人工干预的智能决策 与传统自动化的区别 ：