深入剖析 MoeChat 如何为 AI 角色构建长期记忆，它的时间+语义混合检索——写给关注记忆系统的人。

从"稀疏和稠密到底是什么意思"这个困惑出发，一路走通了 embedding pipeline、subword 与词典、输入长度的影响，最终搞清楚稀疏和稠密的区别以及 figure out 它们实际的应用场景。

一个在静态图上找出一百只隐藏猫猫的游戏，猫猫可能是各种形状的，找出后会高亮并且喵~，音乐和喵喵叫超治愈。

用我自己的白话来讲一遍 TF-IDF。从 term 与分词开始，到 TF、IDF、查询打分、BM25，再到博客里推荐相关文章的实践。也算是还了一下没听 NLP 老师课的债，有需要再学果然更容易看进去。

你的 Agent 是不是也经常同一个错误犯好几遍才记住？聊聊 gotcha.md——哪些记忆是 Agent 在 new session 后必须立刻全量具备的？哪些靠后续召回就够了？

一篇围绕《How We Use Skills》的阅读笔记——当你无法一次性把所有东西都塞给 Agent 时，你该如何保持它的高效？渐进式披露（Progressive Disclosure）与任务拆解（Task Decomposition）。

memU ADR0007 推翻了之前的 LLM mode，从 C 端产品开发者和情感陪伴场景聊我的看法

从一个和光同尘的视频说起，聊韩立的道心、凡人修仙传的角色塑造、以及去我