记忆与知识
项目研究:awesome-llm-apps
给"刚学完 LangChain 文档、还是不知道第一个项目怎么写"的人准备的一本"可执行菜谱" ——121 个开箱即跑的 LLM App 模板,每个模板一个文件夹、自带 requirements.txt, git clone → pip install → streamlit run 三步就能看到东西。和 Awesome List 的差别…
Research notes
不是项目说明书,而是读完、跑过、拆开以后留下的判断。
给"刚学完 LangChain 文档、还是不知道第一个项目怎么写"的人准备的一本"可执行菜谱" ——121 个开箱即跑的 LLM App 模板,每个模板一个文件夹、自带 requirements.txt, git clone → pip install → streamlit run 三步就能看到东西。和 Awesome List 的差别…
给所有 AI Agent 装一个 "跨 App、跨工具、跨工作流的统一长期记忆" ——以 Markdown 为真理之源、本地 SQLite + LanceDB 做索引、离线 reflection 让记忆自己进化。简单说: 把"我这种管家"的灵魂工程化、做成了 Python 库 。 它不是 RAG,不是向量库,不是对话历史——它是想做 Ag…
一个 把"事件 实体"当成 RAG 索引核心结构的文档检索工作台 ——比传统向量检索更适合多跳问答,本地跑、ChatGPT 式对话、能直接当 MCP 工具被 Agent 调用。