- 综合排序
- 最热优先
- 最新优先
记忆不上云：mem9 + TiDB 打造 OpenClaw 私有记忆中枢
reconcilepipeline新记忆写入时，mnemo-server不是简单地存储原文，而是经过一套提炼流程：调用LLM从内容中提取"事实"（facts）与已有记忆做比对，合并重复或冲突的信息将提炼后的事实存入数据库 这个设计保证记忆库随时间推移不会膨胀成噪音——系统越用越精炼，而不是越堆越多。多agent隔离mem9用agent_id区分不同agent的记忆写入来源。 Step5：历史记忆迁移有两类历史数据需要迁移：本地.md记忆文件和mem9.ai云端记忆。踩坑记录：mem9的/imports端点不支持.md格式（返回status:failed）。 迁移完成后共1,879条记忆全部落地本地。设计反思控制平面与数据平面分离的价值mnemo-server的双库设计乍看多余，实际上解决了一个真实问题：迁移成本。 换句话说，无法给每个agent配置独立的mem9实例。但深入mem9源码后发现这不是问题：mem9内部用agent_id区分不同agent的记忆，写入和检索都带着这个标识。
46800编辑于 2026-04-08记忆不上云：mem9 + TiDB 打造 OpenClaw 私有记忆中枢
这篇文章 介绍了 mem9 作为 AI agent 记忆方案的思路，给了我很大启发。但原文使用的是 mem9.ai 云服务——记忆数据存在远端。 将提炼后的事实存入数据库，旧记忆标记 superseded_by 写入接口是异步的（返回 202 Accepted），reconcile 在后台完成。 这个设计保证记忆库随时间推移不会膨胀成噪音——系统越用越精炼，而不是越堆越多。 多 agent 隔离 mem9 用 agent_id 区分不同 agent 的记忆写入来源。 Step 5：历史记忆迁移 有两类历史数据需要迁移：本地 .md 记忆文件和 mem9.ai 云端记忆。 迁移完成后共 1,879 条记忆全部落地本地。 设计反思 控制平面与数据平面分离的价值 mnemo-server 的双库设计乍看多余，实际上解决了一个真实问题：迁移成本。
20010编辑于 2026-06-18- 来自专栏mysql
hhdb数据库介绍(9-9)
：192.168.210.137:3311双主备库：192.168.210.137:3310 从库2：192.168.210.137:3312从库3：192.168.210.137:3313从库优先级： 和dn_02的双主备库，dn_01从库1和dn_02备库的general.log如下：从库不可用从机读取优先级的值为1时，当从库不可用时，会根据异常处理策略设置的值匹配对应结果，以上述自动分片表rw_b_yds 不可用 读dn_01主库，dn_02备库 只有dn_02备库不可用 读dn_01从库1，dn_02主库 dn_01从库1和dn_02的备库都不可用读dn_01和dn_ _01从库1，dn_02主库 dn_01的从库1和从库2都不可用 读dn_01从库3，dn_02备库 dn_01所有从库和dn_02的备库都不可用读dn_01和dn_02主库 4.异常处理策略配置为读其他可用从机 dn_01从库3，dn_02备库从库复制延迟大于配置值从库复制延迟大于配置时，跟上述中从库不可用的匹配结果一致，此处不再赘述从库数量小于从机读取优先级的值根据异常处理策略设置的值输出对应结果，以上述自动分片表
33410编辑于 2024-11-29 - 来自专栏CSDN搜“看，未来”
缩略muduo库（9）：TcpServer
准备讲解了，这里就直接放代码吧。 #pragma once #include "EventLoop.hpp" #include "Accept.hpp" #include "EventLoopThreadPool.hpp" #include "InetAddr.hpp" #include "nocopyable.hpp" #include "callback.hpp" #include <string> #include <functional> #include <atomic> #include <
57920发布于 2021-10-09 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。
1800编辑于 2026-07-31- 来自专栏生命科学
TLR9 炎症信号与 DNA 损伤 造就 的记忆回路！| MedChemExpress (MCE)
如果 TLR9 功能受损，基本的记忆机制可能会变为基因组不稳定和认知障碍的开端，与加速衰老、精神疾病和神经退行性疾病有关。 这些发现揭示了免疫应答基因在记忆形成中的关键作用。图 2. CFC 后的基因表达谱图及 TLR9 蛋白水平，TLR9/LAMP2 在不同时间的共定位[3]。A. 核外 γH2AX 与 TLR9 共定位。▐ CA1 神经元中的 TLR9 是情景记忆所必需的炎症反应是学习-诱导的 DNA 损伤的副作用还是有助于记忆的形成？ 此外，TLR9 敲低也破坏了 CFC 诱导的基因表达。以上结果证明了神经元特异性 TLR9 介导的 dsDNA 传感在情境记忆的形成和持久中的作用。图 4. TLR9 激活可能由 γH2AX 和 dsDNA 片段触发。TLR9 参与了 DNA 传感，而不是 CFC 中更为传统的 cGAS-STING 路径，提示神经元采用了基于免疫的记忆机制。
42610编辑于 2024-05-23 - 来自专栏python库介绍
Python库介绍9 访问数组
print(a[-1],a[-2],a[-3],a[-4],a[-5],a[-6])
43410编辑于 2024-05-12 - 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Go每日一库
Go每日一库之9：log
虽然有时可以用fmt库输出一些信息，但是灵活性不够。Go 标准库提供了一个日志库log。本文介绍log库的使用。 快速使用 log是 Go 标准库提供的，不需要另外安装。 log库还定义了一个Lstdflag，为Ldate | Ltime，这就是我们默认的选项。 自定义 实际上，log库为我们定义了一个默认的Logger，名为std，意为标准日志。 总结 log实现了一个小巧的日志库，可供简单使用。本文介绍了它的基本使用，简单地分析了一下源码。 如果log库的功能不能满足需求，我们可以在它之上做二次封装。看煎鱼大佬的这篇文章。 除此之外，社区也涌现了很多优秀的、功能丰富的日志库，可以选用。 参考 log官方文档
64930编辑于 2023-09-15 - 来自专栏烂笔头
Python标准库笔记(9) — functools模块
目录[-] functools 作用于函数的函数 functools 模块提供用于调整或扩展函数和其他可调用对象的工具，而无需完全重写它们。 装饰器 partial 类是 functools 模块提供的主要工具, 它可以用来“包装”一个可调用的对象的默认参数。它产生的对象本身是可调用的，可以看作是原生函数。它所有的参数都与原来的相同，并且可以使用额外的位置参数或命名参数来调用。使用 partial 代替 lambda 来为函数提供默认参数，同时保留那些未指定的参数。 Partial 对象 下面列子
1.2K30发布于 2018-06-20 - 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 = { ' 关键词标签: #智能体 #记忆系统 #向量数据库 #知识图谱 #人工智能 #机器学习 嗨，我是IRpickstars！
2.2K00编辑于 2025-07-14 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 高性能与高可用保障数据库原生支持高并发读写能力，搭配成熟的集群高可用架构，可为AI Agent记忆系统提供稳定、高效的底层支撑。 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 总结 基于Oracle 26ai的记忆系统，目标是解决纯文本存储的记忆痛点，通过三位一体存储架构，实现了稳定可扩展、支持多Agent协同、断点续跑的企业级记忆能力，后续将持续优化并同步迭代多数据库生态版本
29510编辑于 2026-07-02- 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mysql
hhdb数据库介绍(9-4)
另一类是关系集群数据库可视化管理平台用户，用于管理配置信息。此章节将着重介绍计算节点用户相关内容。 基础权限 计算节点数据库用户必须被赋予逻辑库的权限，才能访问逻辑库。 权限范围分为全局权限、逻辑库权限及表权限： 全局权限：拥有全局权限的user对所有逻辑库下的所有对象都拥有指定的权限。 逻辑库权限：拥有逻辑库权限的user对该逻辑库下的所有对象拥有指定权限。 表权限：表权限又分为表允许权限和表拒绝权限。 *：某库下的所有表，db_name为逻辑库名； *.tbl_name：所有库下的某张表，tbl_name为表名； db_name.tbl_name：某库下的某表； where_condition用于控制用户可以访问的行数据条件 select hex(aes_encrypt('SDcrtest',unhex(md5('Hotpu@2013#shanghai#2017'))))查询到keyStorePass值，然后填写C43BD9DDE9C908FEE7683AED7A301E33
47310编辑于 2025-03-10 - 来自专栏mysql
hhdb数据库介绍(9-5)
使用mysqlbinlog连接远程实例获取binlog文件并解析出其中的SQL语句，然后交由计算节点执行，从而将某个数据库的增量数据导入到计算节点某个逻辑库下。 dbremapping @@add@期望被导入的数据库名:逻辑库名 然后使用mysqlbinlog语句执行选中部分的binlog中SQL语句，要求使用如下语法与参数： mysqlbinlog -R -h 例如希望将192.168.200.77:3306中的物理库db01导入计算节点192.168.210.30中的逻辑库logicdb01： 1.先至192.168.210.30登入到管理端口3325，执行 场景描述：希望将源端192.168.210.45:3309（该实例为有生产数据的普通存储节点）中的物理库db01导入计算节点192.168.210.32中的逻辑库logicdb01，参考步骤如下： 1. 若源端数据库名与计算节点的逻辑库名不相同，则需要在管理端口先添加数据库映射关系，例如： dbremapping @@add@db01:logicdb01 然后到计算节点（192.168.210.32）所在服务器上执行如下命令
38810编辑于 2025-03-26
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