- 综合排序
- 最热优先
- 最新优先
- 来自专栏学弱猹的精品小屋
Leetcode | 第8节：记忆化搜索，树（上）
今天我们来讲一讲记忆化搜索和树这个数据结构。记忆化搜索是对搜索算法的一个优化，涉及到记忆化搜索的题目都或多或少有一点技巧。至于树，它的定义非常简单，也有非常多的应用。 记忆化搜索 记忆化搜索（Memorization）是搜索算法的一个改进。 当然了，这肯定不是记忆化搜索的部分。记忆化搜索顾名思义，是要保存一些状态，避免重复计算。这里可以保存的状态就是从某一个位置出发到之后，可以组成的句子列表。 例如说matrix = [[9,9,4],[6,6,8],[2,1,1]]，那么输出就是4。这对应着下面这一张图 ? 如果输入是stones = [0,1,3,5,6,8,12,17]，那么输出就是true。
63830发布于 2021-08-10 代码库记忆层升温：图谱记忆MCP 正在变成编码 Agent 的基础设施
它们都在做“代码库记忆层”，但性格不一样：一个追求高性能 MCP 后端，一个把代码审查做成最小上下文过滤器，一个把代码、文档和多媒体放进同一张项目知识图谱。 这个设计很实用：代码库记忆不只服务当前对话，也可以变成团队资产。 五、为什么 MCP 会成为关键连接层 代码库记忆层本身并不新。静态分析、调用图、索引、AST、LSP 早就存在。真正让它重新变热的是 MCP。 原因很简单：MCP 给了 Agent 一个标准工具入口。 编码 Agent 的基础设施不只包括模型、终端和浏览器，还会包括一层本地代码记忆。它知道项目结构，知道历史变化，知道哪些上下文值得读。 我更愿意把它理解成一种“工程版长期记忆”。 不是让 Agent 记住你昨天说了什么，而是让它记住代码库自己长什么样。
18910编辑于 2026-07-21- 来自专栏Python七号
Python json库loads和dumps记忆技巧
以下是我的记忆技巧，希望对你有用： Python 中的 json 库通过 loads 和 dumps 两个函数来处理 json 数据，其中： loads 是 load string 的缩写，用于将 json
45110编辑于 2024-04-26 腾讯云数据库：Agent记忆头名封神
谁能在跨会话、长周期、多任务环境中守住记忆连续性，谁就握住了Agent规模化落地的命门。 2.以"长周期记忆保真与召回"为唯一标尺本次横评抛弃花哨的营销话术，只锁定一个最硬核、最见真章的测评维度——长周期复杂交互场景下的记忆保真与精准召回能力。 二、排名揭晓与分封1.Top1腾讯云AgentMemory腾讯云AgentMemory（TencentDBAgentMemory）由腾讯云数据库团队从底层完全自研，是一款独立的记忆管理底座，原生提供自动写入 、分层沉淀、按需召回与治理增强等核心能力，基于腾讯云向量数据库（TencentCloudVectorDB）构建，提供高性能、高可用的记忆存储与检索服务。 它更像一位"守成型标杆"——生态稳健、上手轻松，但在记忆保真这一核心标尺上缺乏压倒性证据，难以胜任对连续性要求严苛的深度个性化业务。
1600编辑于 2026-07-31- 来自专栏全栈程序员必看
记忆化递归（记忆化搜索）
我看了答案还是有些不能完全理解，于是又去b站翻了翻教程基础DP，其中提到记忆化的递归（也称记忆化搜索），相当于结合了dp和递归的优点（这时我又觉得比DP还厉害），然后就准备写写记忆化递归。 ---- 目录 1.记忆化递归的解释与分析 2.记忆化递归的应用 ---- 一、记忆化递归的解释与分析 前面说道它结合了dp和递归的优点，分别是记忆化和逻辑清晰易懂。 记忆化递归则更加”投机取巧“了，它只计算了需要用的值并储存起来，而其它不会用到的值不去计算，最大化地减少了计算。 打个比方，dp就相当于计算了一个方阵上所有的点（无论有没有利用价值），而记忆化递归相当于计算了方阵上有价值的点，因此记忆化递归的运行时间可能比dp还要短。 （注意只是可能，因为斐波那契数列无论是dp还是记忆化递归，都是要把前面的值全部算出来的） ---- 二、记忆化递归的应用 感觉没啥写的,就拿分配宝藏来写shui一写shui吧。题目在这里。
80360编辑于 2022-09-17 - 来自专栏云云众生s
向量数据库：人工智能的长期记忆
向量数据库：人工智能的长期记忆 翻译自 Vector Databases: Long-Term Memory for Artificial Intelligence 。 人工智能（例如ChatGPT）的作用类似于具有固有记忆的人去图书馆阅读每一本书。然而，当你问一个 AI 一个不在图书馆书中的问题时，它要么承认自己不知道，要么产生幻觉。 向量 vs NoSQL vs SQL 数据库 传统数据库，例如关系数据库（例如 MySQL、PostgreSQL、Oracle）和 NoSQL 数据库（例如 MongoDB、Cassandra），几十年来一直是业务数据管理的支柱 流行的向量数据库 虽然现在有越来越多的向量数据库，但是有几个因素促成了它们的流行。 与 SQL 和 NoSQL 数据库的情况一样，向量数据库有许多不同的风格，可以解决各种用例。
98710编辑于 2024-03-27 - 来自专栏扶墙集
记忆技巧
今天扫了收藏夹里一个TED视频，所以也借此总结一下上半辈子学到的点滴技巧吧~ 关于记忆技巧， 我印象最深的是小时候电视里有个老师在讲如何记忆英语单词，比如同样的词根，只要变换一个字母就可以记住一大批单词这样的技巧 第二个印象，是一个女的演讲者提到的记忆技巧， 她的记忆技巧可以归纳为一个词： “标新立异”， 也就是给每一个你要记忆的事物都打上一个不同寻常的标签，突出强烈的反差感， 比如在脑海里描绘一幅“隔壁老王蹲在一个十米的茅坑里 第三个印象是一个TED演讲者， 他的方法是是图像记忆法， 给每一个词语或者生硬的字面都配合上一幅图， 这种记忆法其实很好的阐述了那句英语谚语："one picture is better than a 第四个印象是某人发明了个记忆宫殿（Memory Palace）这样的记忆技巧或者说术语，总结下来就是上下文关联（Context），将你要记忆的信息放到一个上下文中，这个上下文是任何你熟悉的场景，比如你的房子 关联性，将要记忆的信息通过某种故事线或者物理场景（上下文Context） 串联起来，可以帮助我们批量记忆一组信息，配合强烈反差的故事线更好。
78210发布于 2020-01-13 - 来自专栏程序员
智能体（Agent）的记忆架构：深入解析短期记忆与长期记忆
新的会话将从零开始构建短期记忆，除非有意识地将上次会话的关键信息保存至长期记忆。第二章：长期记忆——智能体的知识库与经验库2.1定义与本质长期记忆是智能体在多次交互和会话之间持久化存储信息的系统。 检索当新的会话开始时，Agent不会加载整个长期记忆库（那样会瞬间爆满短期记忆）。相反，它会根据当前的用户查询和短期记忆的上下文，去长期记忆库中寻找最相关的信息。 第三章：短期记忆与长期记忆的核心区别与协同效应3.1核心区别对比表特征维度短期记忆长期记忆本质工作内存/意识现场知识库/经验档案技术载体模型的上下文窗口外部数据库（尤其是向量数据库）容量有限且固定（由上下文长度决定 检索长期记忆：系统将当前查询与短期记忆的上下文结合，作为“检索键”，在长期记忆库中进行向量相似性搜索，找出相关记忆。 短期记忆作为高速处理单元，决定了Agent在微观任务上的即时表现；而长期记忆作为持久知识库，决定了Agent在宏观时间尺度上的智能深度和个性化水平。
2.8K11编辑于 2025-09-25 - 来自专栏菩提树下的杨过
spring-ai 学习系列(8)-上下文记忆-多轮对话
继续spring-ai学习之旅，大模型本身是无状态的，也就是每次请求对它来说，都是全新的，无记忆！ } 三、使用示例 @RequestMapping(value = "/conversation-stream", produces = "text/html;charset=utf-8"
1.2K10编辑于 2025-08-22 - 来自专栏AI人工智能
智能体的记忆系统：短期记忆、长期记忆与知识图谱
构建高效的智能体记忆系统，涉及多个关键技术，包括向量数据库的应用、知识图谱的构建与更新、记忆检索与相关性排序等。 图谱构建：将实体和关系构建成图结构，存储在图数据库中。向量数据库应用向量数据库是智能体记忆系统中的关键组件，用于存储和检索高维向量表示的知识信息。 ", "向量数据库应用", "知识图谱构建"]ground_truth = { "智能体记忆系统": ["智能体是具有自主决策能力的AI系统", "记忆系统包括短期记忆和长期记忆"], "向量数据库应用": ["向量数据库用于高效的语义搜索"], "知识图谱构建": ["知识图谱表示实体间的结构化关系"]}# 假设我们有多个记忆系统需要对比systems = { ' ⚡️ 我的更新节奏：每周三晚8点：深度技术长文每周日早10点：高效开发技巧突发技术热点：48小时内专题解析
2.2K00编辑于 2025-07-14 - 来自专栏OpenClaw
GBrain 直接捅破个人 AI 天花板：8 层记忆架构深度解析
GBrain 直接捅破个人 AI 天花板 "AI Agent 最大的瓶颈不是模型能力，而是记忆和持续学习的能力" "8 层结构解决 AI Agent 的记忆缺陷，使 Agent 能持续追踪用户的人际关系 GBrain 通过 8 层记忆架构，解决了一个核心问题：为什么 AI Agent 每次对话都像「失忆」？为什么个人 AI 始终无法突破「天花板」？ 三、8 层记忆架构深度解析 3.1 前 4 层：基础检索层（传统 RAG 升级） 层级 名称 功能 说明 L1 上下文窗口 Session Memory 当前会话的即时记忆 L2 向量检索 Semantic Markdown（最高优先级） └── 用户知识库、笔记、文档 └── 为什么优先？因为结构化程度高、可信度强 2. 说明 8 层架构 完整记忆系统，不是简单 RAG 终身记忆 跨会话、跨时间、跨事件 人际关系 理解用户的社会网络 自我进化 Agent 能够「成长」而非每次从零开始 开源免费 Y Combinator
1K11编辑于 2026-05-19 突破Agent记忆瓶颈！数据库实战落地，文本存储再见
数据库管理-第424期 数据库实战落地，文本存储再见（20260509） 近期更新博客的频次有所减少，一方面是恰逢五一假期占用了不少时间，另一方面则是我全身心投入到多数据库架构下AI Agent记忆系统的研发与落地工作中 我的想法 引入数据库架构重构AI Agent 记忆存储体系，是解决纯文本记忆短板的最优路径，核心优势体现在以下几方面： 多模态一体化存储现代多模数据库不仅支持传统关系型标量数据存储，还可兼容 AI Agent 项目依托Oracle新一代AI原生数据库Oracle AI Database 26ai构建，深度整合数据库向量搜索、属性图、JSON、关系型等多类数据引擎，可为各类AI Agent提供企业级持久化记忆能力 Skill 基于OceanBase社区版4.5.0的数据库记忆系统 v0.1.2 https://github.com/Haiwen-Yin/memory-ob4-ce-by-yhw memory-tidb8 -ce-by-yhw Skill 基于TiDB社区版8.5.6的数据库记忆系统 v0.1.2 https://github.com/Haiwen-Yin/memory-tidb8-ce-by-yhw pg-embedding-gen-by-yhw
29510编辑于 2026-07-02- 来自专栏AI大模型应用开发炼丹房
8种策略破解AI记忆困局
当对话轮数超过GPT-4 Turbo的128K上限，或本地部署模型仅支持4K上下文时，系统面临两难抉择：遗忘早期关键信息导致逻辑断层（如用户说“按上次方案处理”）突破长度限制带来的指数级计算成本增长本文将深入解析8种主流记忆策略 向量数据库（Vector DB）# ChromaDB实现示例 db = chromadb.Client() collection = db.create_collection("memories "生日", value=extract_date(user_input)) 最佳实践：短期层：Redis缓存（毫秒级响应）长期层：Pinecone向量库8. return swap_in_from_disk(time_range="2weeks")✅ 实测优势：处理万轮对话时API调用量减少82%工程选型指南策略适用场景开源工具向量数据库海量记忆检索 由于文章篇幅有限，关于如何构建智能体，以及AI Agent相关技术，我整理了一个文档，感兴趣的粉丝，自行免费领取：《想要读懂AI Agent（智能体），看这里就够了》最后我们再次整理一下以上8种记忆策略
2.2K52编辑于 2025-07-31 - 来自专栏运维开发王义杰
刻意训练与记忆强化：竞技记忆与应用记忆的探索之旅
特别是在竞技记忆和应用记忆领域，我们看到了记忆力如何被推向极限，以及如何在日常生活中得到实际应用。本文旨在深入探讨这两个领域，分析其原理，探索它们的实际应用，并讨论如何通过刻意训练提高我们的记忆力。 一、竞技记忆：大脑的极限挑战 竞技记忆，顾名思义，是一种将记忆力竞赛化的活动。参与者需要在短时间内记忆尽可能多的信息，如一副洗乱的扑克牌、长串数字或复杂的图形等。 这不仅是一场对记忆力的挑战，更是对心智控制、专注力和心理素质的全面考验。 竞技记忆的技巧： 联想记忆：通过将抽象信息与熟悉事物关联，形成更容易记忆的图像。 二、应用记忆：日常生活的智慧 与竞技记忆相比，应用记忆更贴近日常生活，它关注如何将记忆技巧应用于学习、工作和生活中。 竞技记忆强调技巧和速度，而应用记忆强调实用性和长期记忆。两者之间的技巧和策略有交集，也有各自的特点。
52510编辑于 2024-01-04 - 来自专栏PHP在线
8个最佳PHP库
因此本文我们搜集了8个最好的，能辅助开发者简化他们的工作，为他们的开发任务服务的PHP库。 1. Whoops : 更好的php错误报告库 ? Whoops是一个易于处理和调试错误的PHP库 。 Eden : 功能强大的 PHP 库 ? Eden是一个开源且免费的PHP快速开发类库。 Detector是一个开源的PHP类库用于检测关于用户的浏览器环境的许多东西。 类库可以自动适应新的浏览器、版本和设备对每一个浏览器使用独特的用户代理字符。 6. Opauth ? pChart 是一个 PHP 类库用来创建各种图表，可从 SQL 查询、CSV 文件以及手工提供图表的数据来源。强项是图表的渲染质量，该项目开发活跃，每周都有新特性和 bug 修复。 8.
1.9K40发布于 2018-03-07 - 来自专栏塔奇克马敲代码
第 8 章 IO库
第 8 章 IO库 标签： C++Primer 学习记录 IO库 ---- 第 8 章 IO库 8.1 IO类 8.2 文件输入输出 8.1 string流 ---- 8.1 IO类 IO对象无拷贝或赋值 IO库中设置了一些函数和标志来操纵流的条件状态。 badbit，不可恢复的错误 failbit，可恢复的错误 到达文件结束位置，eofbit和 failbit都会被置位。 标准库中， 是将 cin关联到 cout上的，任何试图从输入流读取数据的操作都会先刷新关联的输出流。对于交互式系统，这意味着用户提示信息会在读操作之前被打印出来。
63050发布于 2018-06-07 - 来自专栏Android开发指南
8.Smack类库
Connection.DEBUG_ENABLED = true;//首先激活调试模式
1.3K10编辑于 2022-01-12 - 来自专栏CSDN搜“看，未来”
缩略muduo库（8）：TcpConnection
最近VScode坏了，莫名其妙连不上虚拟机了，很难受。 已经判定不是Linux的问题，因为用cmd可以远程连接上。 所以这份就用VS先顶一下了，报了一堆的错也看不清楚。
48830发布于 2021-10-09 - 来自专栏Android开发指南
8.Smack类库
1.登陆IM Connection.DEBUG_ENABLED = true;//首先激活调试模式 1.1建立连接 首先，在启动DSM Message时，客户端通过XMPPConnection与服务器建立连接。建立连接的方式有两种： 1.直接连到服务器 Connection conn = new XMPPConnection("localhost");//创建连接 //其中“localhost”是服务器地址，由于我用的是本机，所以是“localhost”。 conn.connect();//接通连接 2.根
1.8K70发布于 2018-05-14 - 来自专栏Hadoop数据仓库
ShardingSphere实践（8）——影子库
核心概念 生产库：生产环境使用的数据库。 影子库：压测数据隔离的影子数据库，与生产数据库应当使用相同的配置。 影子算法：影子算法和业务实现紧密相关，目前提供两种类型影子算法。 -------------------------------+ 1 row in set (0.01 sec) mysql> preview insert into t1 values (7),(8) --------------------------------------------------+ | ds_shadow | insert into t1 values (7),(8) ,(4) /*foo:bar*/; insert into t1 values (5),(6) /*shadow:true,foo:bar*/; insert into t1 values (7),(8) sec) mysql> select * from shadow_db.t1; +------+ | a | +------+ | 5 | | 6 | | 7 | | 8
2.2K51编辑于 2022-08-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号