Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

Anthropic的工程师Kevin的一个分享。价值$1000 刀，关于agent memory的workshop。这将是 AI memory的主流，提前一年了解它，成为记忆专家。非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化看完这个视频，接着阅读下面的这篇文章。你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。

实践哥MinLi

13,941 subscribers

105,595 views • 2 months ago •via X (Twitter)

Science & Technology

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

概念不错，一款LLM通用记忆MCP：Supermemory MCP，作用是让不同的AI，比如ChatGPT、Windsurf、Claude等之间可以共享上下文也就是说你与一个LLM的对话内容可以被其他LLM访问和使用，实现更连贯的对话体验目前，它的记忆只基于用户与LLM的互动更新，或许扩展到连接Google Drive、Notion等个人应用其使用按需搜索和检索方式，远程存储，本身没有上下文大小的限制，理论上可以提供近乎无限的上下文这个工具解决了不同AI之间记忆割裂的问题，Supermemory MCP相当于提供了一个统一的记忆解决方案，可以实现在不同AI之间共享和延续对话 #AI记忆共享 #MCP #AI记忆工具

概念不错，一款LLM通用记忆MCP：Supermemory MCP，作用是让不同的AI，比如ChatGPT、Windsurf、Claude等之间可以共享上下文也就是说你与一个LLM的对话内容可以被其他LLM访问和使用，实现更连贯的对话体验目前，它的记忆只基于用户与LLM的互动更新，或许扩展到连接Google Drive、Notion等个人应用其使用按需搜索和检索方式，远程存储，本身没有上下文大小的限制，理论上可以提供近乎无限的上下文这个工具解决了不同AI之间记忆割裂的问题，Supermemory MCP相当于提供了一个统一的记忆解决方案，可以实现在不同AI之间共享和延续对话 #AI记忆共享 #MCP #AI记忆工具

AIGCLINK

24,415 views • 1 year ago

兄弟们,这个思路牛P OpenMemory MCP：统一的 AI 记忆管理平台本地运行存储、组织和管理你的“记忆” 让你的记忆可以在各个AI之间流动 - 提供一个统一、结构化、私有的“记忆层 - 记忆本地化管理，隐私安全 - 通过权限模型，用户主导数据流动 - 支持扩展，适用于多类 AI 客户端生态可以让你在 Claude、Cursor、Windsurf 等 LLM 工具之间持续使用历史信息、对话风格、偏好和项目状态，从而实现真正的跨平台、连续性 AI 交互体验。可以理解为：你的 AI 个人助理第一次有了一块真正“属于你”的持久记忆模块，还能在各种AI之间来回调用，同时确保隐私和控制权掌握在用户手中。

兄弟们,这个思路牛P OpenMemory MCP：统一的 AI 记忆管理平台本地运行存储、组织和管理你的“记忆” 让你的记忆可以在各个AI之间流动 - 提供一个统一、结构化、私有的“记忆层 - 记忆本地化管理，隐私安全 - 通过权限模型，用户主导数据流动 - 支持扩展，适用于多类 AI 客户端生态可以让你在 Claude、Cursor、Windsurf 等 LLM 工具之间持续使用历史信息、对话风格、偏好和项目状态，从而实现真正的跨平台、连续性 AI 交互体验。可以理解为：你的 AI 个人助理第一次有了一块真正“属于你”的持久记忆模块，还能在各种AI之间来回调用，同时确保隐私和控制权掌握在用户手中。

小互

56,126 views • 1 year ago

字节放出了一款具备长期记忆能力的多模态智能体：M3-Agent 可以实时处理视觉和听觉输入，并转化为长期记忆，使其不局限于单一模态的信息存储情景记忆，还可以从中提取和积累语义记忆核心是M3-Agent的记忆系统以实体为中心，把与同一实体相关的所有模态信息（比如一个人的面部、声音、相关知识）连起来，形成图谱结构，这就可以使其能更深入一致的理解环境支持多轮迭代推理，根据需要从长期记忆中检索相关信息来辅助推理过程在基准测试中，尤其在需要长期记忆和跨模态推理的任务上，M3-Agent表现优秀 #M3Agent #AIagent

字节放出了一款具备长期记忆能力的多模态智能体：M3-Agent 可以实时处理视觉和听觉输入，并转化为长期记忆，使其不局限于单一模态的信息存储情景记忆，还可以从中提取和积累语义记忆核心是M3-Agent的记忆系统以实体为中心，把与同一实体相关的所有模态信息（比如一个人的面部、声音、相关知识）连起来，形成图谱结构，这就可以使其能更深入一致的理解环境支持多轮迭代推理，根据需要从长期记忆中检索相关信息来辅助推理过程在基准测试中，尤其在需要长期记忆和跨模态推理的任务上，M3-Agent表现优秀 #M3Agent #AIagent

AIGCLINK

18,127 views • 11 months ago

我分享一下，我会给codex部署的两个文件。可以让我的codex越用越聪明。一个文件是踩坑记录，可以让ai有记忆。犯过的错，下次不会再犯。一个是AGENTS.md可以把一些项目通用规范写在里面，这样的话我就可以不用让ai干一些重复性的问题。

我分享一下，我会给codex部署的两个文件。可以让我的codex越用越聪明。一个文件是踩坑记录，可以让ai有记忆。犯过的错，下次不会再犯。一个是AGENTS.md可以把一些项目通用规范写在里面，这样的话我就可以不用让ai干一些重复性的问题。

小墨同学

43,332 views • 1 month ago

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构结果行业 benchmark 首个满分，MIT开源，纯本地运行一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西真是充满想象力的时代

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构结果行业 benchmark 首个满分，MIT开源，纯本地运行一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西真是充满想象力的时代

Ray Wang

1,030,034 views • 3 months ago

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

huangserva

161,274 views • 1 month ago

录制了一个完整视频，分享一下我用 Obsidian 这两个月以来如何从单个笔记到一个 1800条笔记，形成 Canvas 网络的重构过程后面会放对应的插件、背后的笔记哲学：

录制了一个完整视频，分享一下我用 Obsidian 这两个月以来如何从单个笔记到一个 1800条笔记，形成 Canvas 网络的重构过程后面会放对应的插件、背后的笔记哲学：

Jackywine

83,171 views • 3 months ago

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

小互

234,726 views • 5 months ago

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

梭哈.AI

25,025 views • 2 months ago

长期记忆是 AI 行业 2025 年最重要的探索方向之一。今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。有了这些数据作为长期记忆，就有了很多新的可能性。比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。

长期记忆是 AI 行业 2025 年最重要的探索方向之一。今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。有了这些数据作为长期记忆，就有了很多新的可能性。比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。

Orange AI

55,271 views • 1 year ago

腾讯放大招啦！不用再担心烧 Token 啦！不用担心 Agent 失忆啦！腾讯历时 6 个月精心打磨，直接开源了 TencentDB-Agent-Memory —— 一个专为 AI Agent 打造的分层记忆引擎！核心亮点如下： · 符号化短期记忆 + 四层长期记忆（L0原始对话 → L1原子事实 → L2结构化总结 → L3用户画像） · 最高压缩 61% Token，长任务成功率直接起飞 · 支持跨会话持续懂你，记住你的工作流、偏好和历史经验 · 零外部依赖，本地就能全量部署，MIT协议随便玩 · 特别适配 OpenClaw、Hermes 等主流 Agent 框架，一键集成地址：感兴趣的朋友们可以去试试哦～dyor

腾讯放大招啦！不用再担心烧 Token 啦！不用担心 Agent 失忆啦！腾讯历时 6 个月精心打磨，直接开源了 TencentDB-Agent-Memory —— 一个专为 AI Agent 打造的分层记忆引擎！核心亮点如下： · 符号化短期记忆 + 四层长期记忆（L0原始对话 → L1原子事实 → L2结构化总结 → L3用户画像） · 最高压缩 61% Token，长任务成功率直接起飞 · 支持跨会话持续懂你，记住你的工作流、偏好和历史经验 · 零外部依赖，本地就能全量部署，MIT协议随便玩 · 特别适配 OpenClaw、Hermes 等主流 Agent 框架，一键集成地址：感兴趣的朋友们可以去试试哦～dyor

爱丽丝呀！

89,437 views • 2 months ago

目前看到关于 “Agentic Engineering Workflow”的最完整的介绍👇 花了一个小时完整看完了，完全可以做成一个付费教程。内容涵盖了tmux，agent记忆，skills，语音输入，长任务执行，并行worktree管理，多agent调度。还有让我眼前一亮的可视化html编辑器Lavish和一套代码变更校验的流水线: no-mistakes 感谢作者Kun Chen分享，值得每一个用ai agent的人收藏、学习。

目前看到关于 “Agentic Engineering Workflow”的最完整的介绍👇 花了一个小时完整看完了，完全可以做成一个付费教程。内容涵盖了tmux，agent记忆，skills，语音输入，长任务执行，并行worktree管理，多agent调度。还有让我眼前一亮的可视化html编辑器Lavish和一套代码变更校验的流水线: no-mistakes 感谢作者Kun Chen分享，值得每一个用ai agent的人收藏、学习。

Yanhua

110,486 views • 1 month ago

🎉🎉国区的闪念贝壳上线了！用语音记录你的想法和灵感。 🎙️语音记录想法，AI自动转录，一键成文 🤖 与AI 讨论，催化想法 📝 丰富的内容模版与软件导出最终愿景是让闪念贝壳成为记忆助手和思考伙伴，提供一种强大的记忆外挂和思维工具。

🎉🎉国区的闪念贝壳上线了！用语音记录你的想法和灵感。 🎙️语音记录想法，AI自动转录，一键成文 🤖 与AI 讨论，催化想法 📝 丰富的内容模版与软件导出最终愿景是让闪念贝壳成为记忆助手和思考伙伴，提供一种强大的记忆外挂和思维工具。

Ping.

69,627 views • 2 years ago

动作，也可以是一种纪念。身体，也可以承载记忆与发声。在这次「我们还要不要纪念六四？」的共创工作坊中，我们邀请每位参与者，做出一个属于他们的「六四动作」：一个手势、一个姿态、一个身体里留下的记忆。最终，这些动作被编排成六个八拍的动作片段，串联起我们共同的记忆、感受与回应。这是这些动作的一个试跳版本，不是成果展示，而是一个阶段性的记录，也让大家先看到：我们那天一起做了些什么。后续我们也会将这组动作制作成动画版本，用另一种形式继续呈现这次共创的过程与思考。 — #我们还要不要纪念六四 #动作也是记忆 #ChineseDiaspora #JuneFourth #BodyMemory #CollectiveMemory

动作，也可以是一种纪念。身体，也可以承载记忆与发声。在这次「我们还要不要纪念六四？」的共创工作坊中，我们邀请每位参与者，做出一个属于他们的「六四动作」：一个手势、一个姿态、一个身体里留下的记忆。最终，这些动作被编排成六个八拍的动作片段，串联起我们共同的记忆、感受与回应。这是这些动作的一个试跳版本，不是成果展示，而是一个阶段性的记录，也让大家先看到：我们那天一起做了些什么。后续我们也会将这组动作制作成动画版本，用另一种形式继续呈现这次共创的过程与思考。 — #我们还要不要纪念六四 #动作也是记忆 #ChineseDiaspora #JuneFourth #BodyMemory #CollectiveMemory

China Deviants

21,247 views • 1 year ago

我们一直都搞错了记忆的原理。你的记忆，并不存在。记忆不是提取，而是生成。我们一直以为，记忆就是把过往“存起来”，需要的时候再“取出来”。但这其实是错觉。你记得妈妈的脸，不是因为那张脸一直存在于某个“脑内档案柜”里。而是你接收到“提示” 比如“妈妈”这个词：你的大脑里的生成系统就开始工作了。它不是“取出”图片，而是“即兴画出”图片。就像问一个AI：画一只马、画一座山它不是从文件夹里调现成的，而是根据参数瞬时生成。你对“妈妈”的记忆，也是你大脑的一个实时“请求响应”行为：给我妈妈的脸然后你脑中的模型立刻开始合成，画出轮廓、填上皮肤、添加声音和动作。换句话说：你大脑里没有一个影像库，只有一个绘图工具。所以，记忆并不是“有”或“没有”，而是“能不能生成”。这种方式，也解释了我们为什么能灵活地“改写”记忆你不只能想起妈妈的正脸，还能想起她在厨房做饭、在阳台晒太阳，甚至加上一点从未发生的细节。你有无限的方法组合她的存在。这就带出一个巨大的问题转变：如果记忆不是仓库，是生成器，那我们教孩子的时候，训练的是检索能力，还是生成能力？我们不是在“给知识”，而是在“训练模型”。这就意味着，教育不再是简单的填鸭与背诵，而是：如何帮他们搭建更高效的生成系统，能组合信息、模仿样式、即时调取、灵活变通。记忆，并不是真实的复现，而是即时的重新创造。重要的，从来不是“记住了什么”，而是“想起来的时候，你能生成出什么”。

我们一直都搞错了记忆的原理。你的记忆，并不存在。记忆不是提取，而是生成。我们一直以为，记忆就是把过往“存起来”，需要的时候再“取出来”。但这其实是错觉。你记得妈妈的脸，不是因为那张脸一直存在于某个“脑内档案柜”里。而是你接收到“提示” 比如“妈妈”这个词：你的大脑里的生成系统就开始工作了。它不是“取出”图片，而是“即兴画出”图片。就像问一个AI：画一只马、画一座山它不是从文件夹里调现成的，而是根据参数瞬时生成。你对“妈妈”的记忆，也是你大脑的一个实时“请求响应”行为：给我妈妈的脸然后你脑中的模型立刻开始合成，画出轮廓、填上皮肤、添加声音和动作。换句话说：你大脑里没有一个影像库，只有一个绘图工具。所以，记忆并不是“有”或“没有”，而是“能不能生成”。这种方式，也解释了我们为什么能灵活地“改写”记忆你不只能想起妈妈的正脸，还能想起她在厨房做饭、在阳台晒太阳，甚至加上一点从未发生的细节。你有无限的方法组合她的存在。这就带出一个巨大的问题转变：如果记忆不是仓库，是生成器，那我们教孩子的时候，训练的是检索能力，还是生成能力？我们不是在“给知识”，而是在“训练模型”。这就意味着，教育不再是简单的填鸭与背诵，而是：如何帮他们搭建更高效的生成系统，能组合信息、模仿样式、即时调取、灵活变通。记忆，并不是真实的复现，而是即时的重新创造。重要的，从来不是“记住了什么”，而是“想起来的时候，你能生成出什么”。

墓碑科技

24,457 views • 1 year ago

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,503 views • 6 months ago

如何才能看书过目不忘？视频分享了读书的七个层级：麻瓜级（Muggle）：这是最基本的层次，仅仅只是阅读书籍，没有任何笔记或标记。哑炮级（Squib）：在这一层次上，你开始在书籍中高亮或划线标记那些对你产生共鸣的部分。赫奇帕奇级（Hufflepuff）：使用工具（如Readwise）自动整理和回顾你的高亮内容和笔记。拉文克劳级（Ravenclaw）：开始系统地整理你的高亮内容和笔记到一个中心化的笔记应用中，例如Notion。邓布利多军团级（Dumbledore's Army）：在这一层次上，你不仅整理和回顾笔记，还开始为阅读的书籍撰写简短的总结和个人感想。凤凰社级（Order of the Phoenix）：进一步发展你的笔记，将它们转变为更深入的文学笔记，包括书籍的详细总结和深刻的见解。邓布利多级（Dumbledore）：最高层次，采用Zettelkasten方法（卡片笔记法）或常青笔记（Evergreen Notes）系统化地整理知识点，形成相互连接的笔记网络，以深化理解和记忆。 ---- 可以考虑把笔记工具从obsidian转换到heptabase了

如何才能看书过目不忘？视频分享了读书的七个层级：麻瓜级（Muggle）：这是最基本的层次，仅仅只是阅读书籍，没有任何笔记或标记。哑炮级（Squib）：在这一层次上，你开始在书籍中高亮或划线标记那些对你产生共鸣的部分。赫奇帕奇级（Hufflepuff）：使用工具（如Readwise）自动整理和回顾你的高亮内容和笔记。拉文克劳级（Ravenclaw）：开始系统地整理你的高亮内容和笔记到一个中心化的笔记应用中，例如Notion。邓布利多军团级（Dumbledore's Army）：在这一层次上，你不仅整理和回顾笔记，还开始为阅读的书籍撰写简短的总结和个人感想。凤凰社级（Order of the Phoenix）：进一步发展你的笔记，将它们转变为更深入的文学笔记，包括书籍的详细总结和深刻的见解。邓布利多级（Dumbledore）：最高层次，采用Zettelkasten方法（卡片笔记法）或常青笔记（Evergreen Notes）系统化地整理知识点，形成相互连接的笔记网络，以深化理解和记忆。 ---- 可以考虑把笔记工具从obsidian转换到heptabase了

Yangyi

315,046 views • 2 years ago

昨晚是人生第一次喝这么多，喝吐了。推文可以删掉，聊天记录也可以删记好了。清晨是渴醒冻醒的，躺在地毯上睡着。爬起来收拾了呕吐物又去洗了澡，变回香香兔了。现在，膝盖的痛转移到头上了。还是想要一个记忆消除棒，清除一下昨晚被骚扰的朋友的记忆。（以后想喝多就回来看看这个帖子）

昨晚是人生第一次喝这么多，喝吐了。推文可以删掉，聊天记录也可以删记好了。清晨是渴醒冻醒的，躺在地毯上睡着。爬起来收拾了呕吐物又去洗了澡，变回香香兔了。现在，膝盖的痛转移到头上了。还是想要一个记忆消除棒，清除一下昨晚被骚扰的朋友的记忆。（以后想喝多就回来看看这个帖子）

tutu

13,991 views • 1 year ago

可能很多人跟我一样不太理解 MCP 能干嘛 Windsurf 出了一个视频教程，介绍了： - MCP 的核心价值 - MCP 技术架构 - 实战案例：集成 Slack 频道下面有整理的笔记👇：

可能很多人跟我一样不太理解 MCP 能干嘛 Windsurf 出了一个视频教程，介绍了： - MCP 的核心价值 - MCP 技术架构 - 实战案例：集成 Slack 频道下面有整理的笔记👇：

歸藏(guizang.ai)

94,795 views • 1 year ago