Tag: video-note
All the articles with the tag "video-note".
-
STORM：自动发现视角的AI研究引擎
拆解斯坦福STORM方法：视角自动发现、检索支撑的模拟对话如何驱动提问，以及'25%更有序''五角色四提示词'等流行说法背后的精确口径与使用边界。
-
AGI-Saber：记忆上下文的组织与应用
本文深入探讨了AGI-Saber中记忆上下文的组织方式，包括SlotKind槽位的工作机制、SlotFilter的过滤逻辑，以及如何利用双层预算控制和优先级裁减有效地管理Token，最终实现Agent状态的恢复和长任务能力的增强。
-
循环工程师：智能体时代的新机遇
本文深入探讨了“循环工程师”这一新兴AI领域角色，阐述了大语言模型时代提示工程师、上下文工程师等概念的演变，并详细介绍了构建高效智能体循环的四大核心要素及实战案例，旨在帮助读者理解和应用AI驱动的自动化工作流。
-
AGI Core记忆系统：整体架构与五种记忆形态
本文详细介绍了AGI Core项目的记忆系统，涵盖了整体架构、五种记忆形态（短期对话记忆、结构化偏好、长期语义记忆、图增强层、任务步骤环形缓冲），以及写入链路和召回链路的设计思想，旨在实现Agent的智能问答和任务执行。
-
Harness Engineering：AI Agent开发方法论与落地指南
AI Agent开发已进入Harness Engineering时代，模型能力的上限取决于系统架构设计，而非模型或Prompt的质量。
-
AI智能体内存系统设计：构建高效、个性化的交互体验
本文深入探讨了AI智能体内存系统的设计，涵盖短期记忆、外部信息源集成以及长期记忆的构建，旨在提升AI在复杂、多轮次对话中的表现，同时优化Token使用效率。
-
RAG文件去重：提升AI模型效率的关键策略
AI模型在进行RAG（Retrieval Augmented Generation）时，文件清洗是重要且繁琐的环节，其中文件去重方法对最终效果影响深远，本视频主要讲解文件去重的两种实现方式。
-
SkillOS: 让智能体学会技能自我治理与进化
SkillOS是谷歌等机构提出的智能体技能治理框架，旨在通过经验驱动和分层控制，解决大型语言模型在任务执行中经验无法积累和重复犯错的痛点，帮助智能体实现自我成长和自动化技能管理。
-
SkillOpt让AI技能自我进化
微软联合多所高校开源SkillOpt工具，能够在法律AI平台上，用傻瓜式操作实现大模型技能的自我进化和专业能力提升。
-
Agent的意图识别：并行化多专家网络
大型语言模型（LLM）的Agent意图识别不应仅依赖单一模型，而应采用并行化专家网络架构，兼顾效率、精准度和安全性，将复杂问题拆解为多维度独立判断。