记忆这块之前研究过。
有很多开源的长期记忆，star 最多的 mem0 ，其他还有 memobase 、memu 、memori 等等。
还可以用云服务 AWS AgentCore Memory 。
没特殊需求直接用 mem0 即可。
原理都差不多，有些会在记忆分类上做优化（ User Profile 、Events 、Activity 等等），有些会优化 context 来减少消耗的 token 数量

* 插入
1. 大模型抽取对话中的关键内容
2. 从向量数据库查询已有记忆中相关的记忆
3. 用大模型判断要进行的记忆操作（增删改或者无动作）
4. 执行记忆操作到向量数据库
* 查询
* 直接向量查询，按相似度取前 N 个结果
* 使用
* 每次对话都调用插入，prompt 发到大模型之前查询记忆，把查出来的记忆拼到 prompt 里面

写了很多，但是不知道我的理解对不对，实际只有一个功能：自动化上下文压缩（包括总结和 LRU ）。其他的 LangChain 也都能做到。
但是自动化上下文压缩感觉是一个伪需求，各个 Agent 使用场景大不相同，每个都应该有自定义的压缩方式。自动化压缩很容易把 Agent 需要的内容丢掉。

glarity 免费的，字幕总结，但是 b 站总结不太能用，现在也不维护了。收费的 monica 或许可以，还支持没字幕的视频总结。

LZ 是哪来的 50W ？
我的话就全还贷款

目前是有一定的套利空间的。比如扫尾盘之类

本身样本就太小了

spec kit + claude code / codex
模型编码能力可以参考
https://swe-rebench.com/
agent 能力参考
https://gosuevals.com/agents.html

个人使用体验来说 claude code 无论是体验还是编码质量都比 codex 强一点（ Windows 下），而且速度会快一些。

先找勇哥看一看这个店能不能做。目前完全是画饼，你舅虽然是商人但是听你描述对餐饮行业也是新人，那么做第一个店大概率不赚钱，或者回本周期很长。你为什么现在就想的这么好，“后面如果效益好开分店的话我就会转管理和培训”，这个现在看来完全是一个小概率事件，我看 10%的概率都没有。

不是，为啥一定要在这两个里面选？家里催婚就要结？
98 年也不大，现在 30 多结婚的多的是。你可以提升一下自己然后看看能不能找更好的。甚至如果不想结也可以不结。

地对地导弹

我想要个现成的，不是想知道怎么做。。。

让他用 gemini 2.5 pro

你这个跟 claude code 有什么关系？

@zhengfan2016 langgraph 用过，要简单学下用法，然后前端适配可以用这个项目 https://github.com/JoshuaC215/agent-service-toolkit ，总体没什么问题。agno 没用过不知道

建议直接 fork：roo code

看到一个测试说把 Qwen3 Coder 温度调成 0.7 效果最好

我感觉你这个用不着这么复杂的流程。
直接把所有产品名作为上下文给大模型，然后问他：用户问的是产品库里的哪个产品