Research notes

研究笔记

不是项目说明书,而是读完、跑过、拆开以后留下的判断。

5 篇笔记,标签“MCP”
REA:把软件分析工具接进 Agent,结论必须带证据配图
Agent 实践

REA:把软件分析工具接进 Agent,结论必须带证据

REA 用 MCP、CLI 和配套工作流组织目标分析,按类型调用已有引擎或内置静态检查,并把证据与局限一起返回。 像一张分析工作台:问题从 Agent 或命令行进来,工具查文件、代码和行为,再由人核对推断。伪代码不等于原始源码,结构化证据也不能让模型自动免于误读。 原稿“想抄就能复刻”的说法过头了。可以研究有权分析的软件机制、形成独立实现…

AI逆向工程MCP6 分钟
项目研究:EverOS配图
记忆与知识

项目研究:EverOS

把 Agent 的记忆从一段临时提示词,变成可持久化、检索和整理的系统。它最吸引我的地方,是把 Markdown 作为可读的记忆真源,而不只留下难以检查的向量。 “用户拥有”更多指本地存储和可迁移的设计取向,不代表记忆天然正确、不外发或已加密,也不是接上所有聊天产品就会自动共用的跨平台记忆。

项目研究开源AI3 分钟
项目研究:agent-native配图
Agent 实践

项目研究:agent-native

一个把 Agent 作为应用入口之一的框架。最值得学的不是聊天框,而是 把业务动作、参数校验和权限边界收在一处,让 UI 和 Agent 调用同一套实现 。 比如“创建工单”:按钮和自然语言入口不该各写一份不同的权限逻辑。共享 action 可以降低分叉,但是否真做到一致,还要看你的 action 实现和各入口认证。

项目研究开源AI3 分钟
项目研究:SAG(Zleap-AI/SAG)配图
记忆与知识

项目研究:SAG(Zleap-AI/SAG)

我看重的是它给多跳检索提供了另一种工程组织方式:先找到事件,再通过共享实体把相关事件接起来,最后回到原文。不同于预先维护一张全局知识图谱,它在查询时激活局部关联。

项目研究开源AI3 分钟