Agent 记忆模块不能只把聊天记录塞进数据库。合理的设计需要区分工作记忆、情景记忆、语义记忆和程序记忆,并围绕写入、检索、反思、遗忘和存储架构做工程取舍。
Agent 记忆不能只依赖滑动窗口和向量数据库。围绕短期会话状态、长期异构存储、同步读链路、异步写链路和一致性兜底,讲清一套可落地的生产级记忆架构。
Code Review 在核心业务项目中不能只检查语法和代码风格,还要识别历史事故、业务约束和团队经验。这里讲解如何用 GitLab Webhook、Diff 预处理、RAG 知识召回和大语言模型搭建一套业务级 AI Code Review 系统。
deepagents 是 LangChain 面向长周期任务推出的 Agent 框架,核心能力包括任务规划、文件系统访问和子 Agent 委托。通过 CompositeBackend 与 Milvus 结合,可以把临时工作区和跨会话长期记忆分开管理,减少上下文膨胀带来的成本和失控问题。
LangChain 将提示词、模型调用、输出解析、链式编排、记忆、工具、智能体和检索封装成可组合组件。围绕这些组件讲清大模型应用从简单调用到 RAG 和 Agent 的实现方式、适用场景与常见坑。
Mem0 可以为 AI Agent 提供跨会话的长期记忆能力,Milvus 负责持久化存储和检索语义向量。这里会讲清 Mem0 的记忆机制、它和 RAG 的区别,以及如何结合 DashScope、LangGraph、Milvus 和 Kuzu 构建带长期记忆与图谱记忆的 AI 应用。