Agent 记忆

如何用 OpenWiki 和证据图谱构建有据可依的 Agent 记忆

LangChain 把自家开源工具 OpenWiki（一个把原始文档编译成带引用维基页面的命令行工具）当作 Agent 的长期记忆层，并额外用一张"证据图谱"把维基里的结论和它背后的原文段落连起来。原来的问题是：Agent 每次回答跨文档的问题都要临时检索、拼凑，既慢又容易答错。这次的做法是提前把 111 份模拟保险文档编译成约原体积十分之一的维基，再让 Agent 顺着图谱找到支撑证据。结果显示，涉及多来源关联的问题准确率比只用关键词搜索高约 5 倍；加上证据图谱后准确率再提升 27%，引用一致性翻倍，每个正确答案的成本降低 58%。不过对于简单的单段查找，带记忆反而更慢、准确率没提升，所以这套方案更适合需要反复跨来源推理的场景。该工具已开源，文中未说明证据图谱是否单独开放。

Linggen Skills：面向 Linggen 个人 AI 助手的即插即用原生技能合集

linggen/skills · Skills for Linggen — drop-in folders that become native apps: personal CFO, DJ, Mac care, GTM pulse, shared memory.

Linggen Skills 是 Linggen 个人 AI 助手的技能集合，每个技能是一个可直接放入的技能文件夹，运行在本地并可与任意模型配合使用。现有技能包括个人财务分析（cfo）、DJ 选曲与音乐库管理（dj）、面向独立创始人的 GTM 信号收集与内容起草（pulse）、供多个 AI 工具共用的共享记忆（shared-memory，基于 LanceDB RAG 与 ling-mem 命令）以及 macOS 系统健康扫描（apple-shifu）。技能可通过 ling init --global 自动安装，或手动复制到 Claude Code / Codex 的 skills 目录。

BotNexus：基于 .NET 的 LLM Agent 编排实验平台

sytone/botnexus · BotNexus is an experimental lab for agents, tools, memory, channels, and automation ideas of varying quality written in C# using the dotnet environment.

BotNexus 是一个用 C#/.NET 构建的实验性 LLM 编排沙盒，用于探索多 Agent 协作、通道接入、工具调用、记忆持久化与调度等交互模式。它提供网关路由、WebUI 聊天、多种模型提供方（GitHub Copilot、OpenAI、Anthropic、Azure OpenAI 及兼容端点）、扩展系统与诊断工具，并通过 CLI 完成安装、配置与网关生命周期管理。项目明确定位为实验平台，而非高可用企业级方案。

memtomem：为 AI 编程 Agent 提供 Markdown 优先的长期记忆基础设施

memtomem/memtomem · Markdown-first, long-term memory infrastructure for AI agents. Hybrid BM25 + semantic search across markdown/code files via MCP.

memtomem 是一个 Markdown 优先的 AI Agent 长期记忆基础设施。它把用户自己的 markdown 笔记、文档和代码文件（.md、.json、.py、JS/TS 等）索引成可搜索知识库，通过 BM25 关键词检索与稠密向量语义检索的混合搜索（含 RRF 融合）供 AI 编程 Agent 调用。项目通过 MCP 集成 Claude Code、Cursor、Codex 等客户端，提供 CLI、Web UI 仪表盘、命名空间、增量索引、去重/衰减/TTL 等维护能力，以及 Context Gateway、LangGraph Store 等扩展。原始 .md 文件是数据真源，数据库仅作为可重建缓存。

AI Agent 加速开发，数据访问却成了拦路虎

AI Agent 让团队做应用和内部工具比以前快得多，但真正卡住进度的是拿不到实时的业务数据。每接一个数据源，都要单独向系统负责人申请权限、等审批，规则和连接还得一个个手工重建；拿不到直连就只能用副本，数据过时，也没法写回源系统。有人提出“统一 API 层”的做法：把数据库、接口和 SaaS 工具的访问集中到一个受管控的入口，按角色和字段级权限放行，AI Agent 也拥有独立身份，通过 MCP 接入，只能看到自己该看的数据。这样一来，申请和审计都集中在一处，权限在数据层执行，而不靠提示词约束 Agent。文中以 Monospace 为例说明这种模式，但该内容属于产品介绍，实际可用性和效果原文未说明。

GitHub Universe 2026 上我最期待的 10 场技术演讲

GitHub 博客作者精选了 GitHub Universe 2026 大会的 10 场技术演讲。这些演讲围绕几个实际问题展开：怎么确认 AI 写的代码真的能用、AI 该记住什么该忘什么、依赖包背后藏着什么风险，还有如何在网络不稳定的地方开发软件。对普通开发者来说，可以借此了解 AI 编程代理的验证方法、权限管理、评测方式，以及 npm 供应链安全、离线开发等实用话题。文章只是演讲预告和议程推荐，具体内容要等大会现场分享。