#LangChain Agent记忆

LangChain 1.2 Agent记忆机制：短期与长期记忆实战详解

详解LangChain 1.2中Agent记忆机制的实现原理。通过代码实战演示默认Agent无记忆的问题，深入讲解短期记忆与长期记忆的区别、应用场景及上下文管理方案，帮助开发者构建具备持续对话能力的AI Agent。

GitHub日报·08月19日：AI Agent的"记忆"革命与硬件开源浪潮

AI智能体记忆撤销机制：为什么Agent需要一个「撤回」按钮

探讨AI智能体记忆系统为何需要撤销功能。从错误累积、记忆投毒攻击到隐私合规，分析记忆不可逆性的风险，并介绍版本化记忆、记忆溯源图等技术实现方案。

Mem0：为AI智能体提供持久记忆层的开发者工具

Mem0是一款面向开发者的AI记忆中间件，为AI智能体和应用提供持久化记忆层，解决大语言模型跨会话失忆问题，支持个性化助手、企业客服、教育陪伴等场景的长期记忆能力集成。

AI Agent可观测性与评估技术栈全解析

深入解析AI Agent可观测性与评估的三大技术路线：LangSmith原生集成、LangFuse等开源自托管方案、Lyzr一体化平台，帮助团队构建适合多智能体系统的生产级监控与评估体系。

Harness工程：解锁AI Agent隐藏能力的关键技术

深入解析Harness工程如何大幅提升AI Agent实际表现。从Codex案例出发，探讨工具编排、上下文管理、执行环境等harness设计如何成为AI应用差异化竞争的核心战场。

LangChain Managed DeepAgents：托管Agent基础设施，专注核心逻辑

LangChain推出Managed DeepAgents公测版，托管评估、记忆、OAuth授权、Slack集成和沙箱等Agent基础设施，让开发者专注Agent核心逻辑。深度解析其功能架构与行业影响。

Hermes Agent深度解析：会自我进化的开源AI智能体框架

深度解析爆火开源项目Hermes Agent：相比OpenCloud，它具备更低Token消耗、持久长期记忆与自学习循环机制，能随使用时间自动沉淀技能、持续进化，成为真正的个人AI智能体。

13k星开源教材：深入理解AI Agent设计原理与工程实践

李博杰所著《深入理解AI Agent：设计原理与工程实践》以开源形式发布于GitHub，累计突破13000 star。涵盖工具调用、记忆机制、规划与多智能体协作等核心模块，配套可运行Python代码，是系统学习AI Agent的中文实战教材。

零基础学AI大模型：避开三大误区的完整学习路径

90%的AI新手学不好大模型，根源在于盲目跟风、Prompt逻辑混乱、缺乏场景落地能力。本文拆解从零基础到实战落地的完整学习路径，涵盖Prompt工程、知识库搭建、Agent开发与零代码微调，帮你少走弯路。

腾讯开源Agent Memory：零外部依赖的本地化AI长期记忆方案

腾讯云开源TencentDB Agent Memory，采用四层渐进式记忆管道，为AI Agent提供完全本地化的长期记忆能力，零外部API依赖，已获超8100个GitHub Star。适合金融、医疗等高隐私需求场景，TypeScript编写，轻松集成现有Agent应用。

MemoryOps AI：构建可治理、可审计的AI助手记忆层

MemoryOps AI 是一个开源的「可治理记忆运行时」，为AI助手提供存储前策略校验、上下文准入、删除可证血缘等能力，解决LLM记忆系统在合规、多租户与删除验证方面的核心难题。

AI Agent零基础学习路线：三阶段从入门到落地

系统梳理AI Agent开发零基础学习路线，涵盖Python与大模型基础、任务规划/工具调用/RAG等五大核心能力、LangChain框架实战，帮助初学者科学规划路径，快速落地Agent项目并提升求职竞争力。

AI Agent开发四阶段能力模型：15K到40K薪资成长路径

详解AI Agent应用开发的四阶段能力模型：从Python/RAG基础（15K）、流程编排（20K）、推理优化与微调（30K），到Agent集群治理（40K）。为计划转型AI开发的工程师提供清晰的技能路线与薪资参考。

从零搭建AI Agent：用Python实现对话智能体核心功能

想入门AI Agent开发？本文手把手带你理解大模型与提示词两大核心概念，通过Python调用DeepSeek API，实现多轮对话、系统提示词人设设定，完整搭建基础对话智能体，是进阶复杂Agent的必备起点。

AI Agent记忆系统架构拆解：16个开源项目的选型实战指南

深度分析Hermes、Goose、NanoClaw、Deerflow等16个开源AI Agent项目的记忆系统架构，涵盖FTS5与向量搜索对比、多租户隔离、LLM自动提炼等方案，提供五步选型决策法与场景化推荐。

Vibe Coding实战指南：工具选型、开发流程与避坑经验全解析

深度解析Vibe Coding氛围编程的核心理念与实战方法论，涵盖Claude Code、Cursor、Codex三大工具协同策略，从需求规划到编码部署的全流程技巧，以及复杂系统开发的四条避坑原则。

鲲鹏AI Agent方案：通算智算并重的智能体架构解析

深度解析华为鲲鹏AI Agent解决方案，揭示智能体架构中通算与智算的协同关系。从记忆系统、工具调用到安全运行环境，全面拆解Agent技术栈，帮助开发者理解为何通用计算对智能体落地同样关键。

AI Agent学习路线：从零基础到实战的四阶段规划

系统梳理AI Agent四阶段学习路线，涵盖大模型API调用、ReAct范式、记忆机制、多智能体协作，帮助零基础学习者在三个月内掌握Agent开发核心技能。

OpenClaw vs Hermes：开源AI Agent框架深度对比与选型指南

深入对比OpenClaw和Hermes两个开源AI Agent框架的核心差异，从定位哲学、Runtime架构、记忆系统、鉴权机制、插件生态到渠道分布，帮助开发者根据实际需求做出合理选型决策。