Conda
505 posts


@Mimiwftt 下跌的 不只是天赐一家 几乎整个板块跌停 但是整个板块都是高业绩 从盛兴锂能 天华新能 藏格矿业 天齐 赣锋锂业 每一个都是下调20% 这些都是少则200% 多的1000%以上 业绩是确定的 看不明白是为什么? 图形上看有的已经破250日线了 有的还在踩线 所以看不明白是怎么了 最近基本上都是连续两天跌停
中文

@yueyegulang @yangskyfly → 机构开始赎回
5月15日 主力单日净流出 -164.84 亿 → ETF 仅涨 +0.04%(经典分发日)
板块无一涨停,价格滞涨 + 天量 1368M
5月6-18日 ETF 连续10日净赎回,累计 -43.33 亿
份额:104.39亿 → 90.47亿(-13.3% 仅12天)
5月19日 价格创新高 2.131 → 但主力仍在流出
中文

@yueyegulang @yangskyfly 5月6日 主力单日净流入 +104.78 亿 → ETF 跳空 +5.3%(拉升起点)
5月11日 主力单日净流入 +69.10 亿 → ETF +6.1%(主力加速推高)
近5日板块合计净流入 +492 亿 ← 这是吸引散户进场的"橱窗"
──────────── 分水岭 ────────────
5月12日 ETF 份额单日减少 8600万份
中文

@waylybaye 我的经验是把 review 的经验和关键点提炼成 skills 或者 subagent 去先让 AI review 一遍,没啥问题了人再过一遍
中文

@0xLogicrw SQLite + sqlite-vec 做本地 agent memory 这个选型挺实在的 — 轻量、不依赖外部服务。不过 agent memory 的核心问题不在存储,在什么时候该忘。选择性 prune 比无限累积有效。
中文

腾讯云数据库团队耗时 6 个月攻克长对话失忆问题,开源了本地优先的 Agent 记忆引擎 TencentDB Agent Memory。它默认使用 SQLite 和 sqlite-vec 作为本地后端,可作为 OpenClaw 插件安装,也支持 Hermes Gateway 接入。
这套系统放弃了「把历史对话全塞进向量库」的常规做法,将记忆一分为二。在长期记忆方面,系统通过四层机制过滤信息:从底层原始对话里提取原子事实,接着归纳出场景分块,最终拼成顶层的用户画像。而在短期任务上,系统不再让大模型硬读繁杂的工具日志,而是把原始输出存进外部文件,提炼出步骤摘要,最后只给 Agent 留下一张标注了节点索引的 Mermaid 结构图。
在 30 步以上的复杂工作流中,Agent 平时只需对着轻量的结构图干活,遇到报错再顺着节点 ID 去翻看原始日志。这种设计既避免了用一次性摘要吞掉历史细节,又保住了从画像一路追溯到底层原文的完整路径。官方基准显示,接入 OpenClaw 后,WideSearch 任务的 Token 消耗从 221.31M 降到了 85.64M(降幅 61.38%),通过率相对提升 51.52%。同时在长期记忆评测 PersonaMem 中,准确率从 48% 提升到了 76%。
Tencent AI@TencentAI_News
We spent 6 months on one problem: agents losing context in long sessions. Ended up building and open-sourcing an agent memory system. A few things we learned: 🪄compressing stale context mid-session cut token usage by 61% 🪄giving agents a structured task map (mermaid-based) made them way less likely to lose track in 30+ step workflows 🪄persona coherence jumped from 48% to 76% once we added dedicated persona memory repo 👉 github.com/Tencent/Tencen… Agent memory is genuinely hard and we don't have all the answers. Happy to dig into architecture, benchmarks, tradeoffs, whatever. AMA👇 @TencentDBAbxo2 team is here to talk about it.
中文


























