##### **项目概述:**
针对大模型在处理复杂长任务时存在的\*\*“记忆丢失”**与**“能力停滞”\*\*痛点,独立研发的一套集语义记忆、自进化闭环、复杂任务规划于一体的通用 Agent 开发框架。
##### **核心设计与技术实现**
- **多层级语义记忆系统(解决“记不住”与“上下文膨胀”)**
- **统一标准**:抽象 `MemoryBridgeProtocol` 协议,支持 OpenViking、Mem0 等多种记忆后端无感切换。
- **分层模型**:设计 **L0 / L1 / L2 三层记忆架构**(近程上下文 / 阶段性归纳 / 长期稳定知识),将信息按时间尺度与抽象层级进行组织。
- **动态维护**:通过\*\*自动归档(Consolidation)**与**冗余裁剪(Trimming)\*\*机制,实现跨会话的精准召回,在长效运行中有效控制存储空间与 Token 损耗。
- **闭环自进化机制(解决“不长进”与“需反复调优”)**
- **信号采集**:自动捕获交互过程中的工具报错、用户纠正及能力缺失等反馈信号。
- **异步反思**:利用 LLM 异步生成结构化经验文档,并动态注入后续的系统指令(System Prompt),形成**行为自动优化闭环**,使 Agent 越用越聪明。
- **技能沉淀与复杂规划(提升“工程落地性”与“稳定性”)**
- **技能沉淀**:建立技能沉淀机制,将交互中沉淀的高频逻辑固化为**持久化技能资产**。
- **并发执行**:实现**规划模式(Plan Mode)与子智能体(Subagent)并发架构**,支持复杂任务的多层拆解与多线程协同。
- **全平台适配与工程化**
- **模型兼容**:基于 LiteLLM 统一适配 10+ 主流大模型供应商
点击空白处退出提示













评论