wylrcx

摘要： 这是 Mem0 源码解析系列的第二篇文章。我们将深入探讨 Mem0 提示词系统的设计思路、实现细节和应用技巧，理解为什么"Mem0 增删改查记忆的本质是提示词工程"。 阅读原文 一、引言 在上一篇文章中，我们了解了 Mem0 的记忆添加流程，提到了一个关键观点：Mem0 的智能管理能力源于精心设计的 阅读全文

摘要： 本文深入解析 Mem0 记忆添加机制，揭示其双存储架构（向量存储+图存储）如何实现智能记忆管理。通过源码剖析，详解 LLM 驱动的事实提取、相似性检索、增删改决策等核心流程，展现 Mem0 如何用提示词工程实现高效记忆生命周期管理，适合开发者理解 AI 记忆系统设计。 阅读全文

摘要： Mem0：给 AI Agent 装上「长期记忆」 AI Agent 最大的痛点：它会「失忆」 你有没有经历过这样的场景： 和 AI 助手聊了半小时，告诉它你的工作背景、技术栈、项目细节。 第二天再打开对话，它又问：「请问你是做什么的？」 这不是个例，而是 所有 AI Agent 的通病。 为什么会这 阅读全文

摘要： 在前面的章节中，我们看到的 Agent 都是“被动”的：你发一条消息，它回一条消息。但在真正的生产环境中，我们希望 AI 能更主动一些，比如： “每隔 2 小时提醒我喝水。” “每天早上 8 点为我总结昨天的 GitHub 动态。” “定期检查我的待办事项，看看有没有过期的任务。” 这些功能，全靠 阅读全文

摘要： 在之前的文章中，我们深入研究了 nanobot 的大脑（AgentLoop）、心脏（MessageBus）和记忆（Memory）。今天，我们要聊聊它的”触角”——Gateway（网关）与 Channels（渠道）。 正是这套系统，让 nanobot 不仅仅是一个终端工具，而是一个能 24/7 在线、 阅读全文

摘要： 这篇文章深入解析了 nanobot 的子智能体（Subagents）系统，揭秘其如何通过 `spawn` 工具和 `SubagentManager` 实现复杂任务的并行处理。文章详细拆解了主智能体召唤“分身”的底层流程、子智能体专注任务的独立运行机制，以及二者如何巧妙地通过 MessageBus（消息总线）注入系统消息实现跨时空协作与结果汇总。同时，还为开发者提供了实用的异步执行调试技巧，展示了 nanobot 以极简架构实现强大并发协作能力的精妙设计。 阅读全文

摘要： 本文带你拆解其 Skills 系统，看它如何通过简单的 Markdown 文件教 AI 使用新工具，以及“按需加载”机制如何节省宝贵的上下文窗口。 阅读全文

摘要： 今天，我们要触及 Agent 最核心的能力之一：记忆（Memory）。 很多 Agent 框架会使用向量数据库（Vector DB）来实现长期记忆，但 nanobot 走了一条完全不同的路：纯 Markdown 驱动。这种设计不仅极致轻量，而且对人类极其友好——你可以直接打开文件，像修改文档一样“修 阅读全文

摘要： 😀 在上一篇中，我们聊了 nanobot 的agent命令运行原理。今天，我们要聊聊 Agent 的“三观”和“人设”——也就是**系统提示词（System Prompts）**。 如果你用过其他 Agent 框架，你可能会发现它们的提示词通常硬编码在 Python 文件里，或者藏在复杂的数据库配 阅读全文

摘要： 在上一篇中，我们完成了 nanobot 的“启动仪式”。现在，你的 Agent 已经可以跑起来了。但你可能会好奇：当你输入 nanobot agent 并发送一条消息时，代码底层到底发生了什么？为什么它既能支持终端对话，又能轻松扩展到 Telegram 或飞书？今天，我们就通过 nanobot ag 阅读全文