Quan

Google 最新研究：提出一个新的Agent 记忆框架 : 一种能够积累、概括与重用推理经验的记忆体系，即 Reasoning Memory“（可学习的推理记忆）。 让AI Agent 能从自我经验和错误中不断学习 实现真正的“自我进化（self-improve）” 当前的语言模型驱动的智能体（AI agents）展现出卓越的推理与任务执行能力，但一个核心缺陷依然突出： 缺乏可持续学习与自我演化机制（Self-Evolution）。 换句话说，现有的智能体在执行任务后不会“成长”： LLM agents 无法从过去经验中学习——它们每次任务都像“重新做人”。 这导致： - 重复错误； - 每次任务都从零开始； - 无法系统地积累与抽象经验，浪费已有经验； - 无法基于过去经验优化未来决策； - 无法“自我进化（self-evolve）”。 即使配备了“记忆模块”，大多数系统仍只是信息缓存（episodic memory）， 缺少对经验的抽象理解与再利用机制。 这种局限意味着： 智能体没有“可学习的推理记忆（reasoning memory）”，因此也无法真正“自我改进（self-improve）”。

在CLI越来越流行的今天，一点对于Function Calling和CLI的思考。 工程上对Skills进行扩展，设计一个支持Function Calling渐进式加载的方案。既能保留权限安全、格式安全的优势，又可以解决上下文爆炸的问题，这将非常有价值。

当代码变得廉价， 分发才是壁垒。 如果有个按钮， 能帮你自动带来用户—— 你会不会点？ 我在做的新项目：GoShipFast 全自动获客系统 把「关键词 → 内容 → 分发 → 用户」全部自动化 让新用户源源不断来找你 适合：电商 / 独立开发 / 出海产品 👉 现在加入 waitlist（锁定未来最低价）

向大家介绍一下 Kapybara ，这是我春节期间做的一个通用 agent。我对它的预期是作为一个好用的个人助手。和大家熟知的那些 agents 相比，它能在群聊中恰当地工作，也能区分不同的聊天窗口，能给自己换头像，能安排定时任务、用 DAG workflow 规划任务。不过除此之外它在产品上目前还没有什么特别之处。