gogo-agent

Harness工程——分层记忆体系

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

TL;DR

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

本章目标

把当前轮上下文、会话摘要、用户偏好和业务事实分层管理,避免把所有内容塞进提示词。

核心设计

  • 工作记忆服务当前任务
  • 情景记忆记录会话与决策
  • 语义记忆保存稳定偏好和知识

落地步骤

  1. 每层定义写入条件、召回策略和过期时间
  2. 事实与模型推断分开存储并保留来源
  3. 敏感记忆支持查看、修正和删除

常见风险

  • 错误推断被固化为长期事实
  • 召回过多反而污染上下文
  • 用户数据保留期限不清晰

验收标准

实现完成后,应能用可复现的测试或运行轨迹证明:主流程结果正确,异常路径能够安全终止或恢复,权限和敏感信息没有越界,并且关键延迟、成本与失败原因可以被观测。

版本提示

模型、框架与接口会持续变化。涉及版本号、参数与生产配置时,请在实践前对照对应官方文档。

LLMentor系统化学习大模型应用工程

内容来自个人课程知识库备份,并经过结构化整理。技术版本持续演进,生产使用前请结合官方文档验证。