格物集

当 Agent 的等待、轮询和多会话切换不断打碎专注时，如何把工作从对话驱动改为任务驱动，让机器异步执行，让人保持单线程思考。

从实际重构项目出发，记录 GitHub Stacked PRs 的线性依赖、分层合并、多级同步与本地 branch 关系。

从 codex 硬删 chat/completions 的全过程，追到 new-api 被波及的迁移损伤，再拆开 Anthropic Messages 与 OpenAI 协议在 Tool 流上的真实差别——为什么我的长链静默不是协议的锅，以及什么才算真的「边说边做」。

拆解 Claude Desktop 的五套定时系统，剖析混乱背后的及架构本质，为什么花 N+ 倍精力维护一个项目。以及一个坏的架构能让我们看到什么?

MoeChat 衍生讨论 RRF 和 Hybrid Search：时间检索应该以什么姿态参与混合检索？在不同场景里如何适配？以及 wikimem 和 XnneHangLab 的边界划分。

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。

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

拆解 memU，专注拆分主线路，以及分析 ADR 架构文档，当前跟进至 ADR 0008。

从 AI 陪伴引擎的实践经验出发，对比 LangChain、Dify、LangGraph、Coze 等主流 Agent 框架的局限性，记录我们为实时陪伴场景自建底层框架的核心设计思路与取舍。

介绍 Obsidian-YOLO 插件的实际使用体验，以及为什么值得推荐。

从 AI 桌宠长期记忆系统的实践出发，横向对比三种 LLM 长期记忆方案，探讨 RAG 是否适合作为个人博客的关系图谱展示方案。

多图分析时网页端和 API 结果一致性差的问题拆解，从 Lost in the Middle 到逐图预摘要的两阶段解法。

Termix 部署教程——用 Docker 部署一个 Web 端的 SSH 连接工具，从此告别 Termius 抽风。

LLM 的注意力是有限的。从 system prompt 与 user prompt 的权重差异出发，探讨 Lost in the Middle 现象及其启示。

OBS 和 VTube Studio 联动设置教程，可用于直播或录视频。