博客

按回归、分类、集成算法和特征工程，整理一份便于复习的经典机器学习提纲。

用 Markdown 留下项目、想法和年度记录，再用链接把它们串起来。

从事实更新、时间图谱到文件系统与经验归纳，拆解八个 Memory Agent 项目的记忆机制。

跟踪记忆接收、知识构建和混合召回，解释后台状态、路由与空结果处理，理解上传成功为什么不等于知识就绪。

从 episode、实体和关系出发，理解事实时间与系统时间，看看时序知识图谱怎样处理变化、冲突与历史查询。

沿着 retain、recall、reflect，区分事实、经历、归纳与心智模型，理解证据追踪和检索预算背后的工程取舍。

以当前 Letta Code 为入口，追踪文件记忆、后台更新和上下文编译，理解“已经记下”与“本轮用上”之间的距离。

从事实提取到候选召回与评分，沿着源码追踪一条记忆，解释 ADD-only、去重边界，以及“关键词命中却搜不到”的原因。

从容器、调度与来源过滤拆解多种记忆的组织方式，重点讨论任务状态，以及如何避免把模型的话写成用户偏好。

从 L0/L1/L2 和分层检索出发，拆解上下文导航，再看队列、摘要与索引的一致性为什么决定系统是否可靠。

从文档摄入走到记忆派生、画像和上下文注入，追踪缓存、隔离与更新时间，让应用接入过程中的隐含状态变得可见。

从后端开发到 AI 应用，再到独立产品尝试，记录我对执行力、真实需求和工程基础的重新理解。

从端到端与级联出发，复盘话轮、工具、记忆、录音和交付边界。

从事件日志、Agent 循环与工具管线，理解可回放、可审计、可恢复的运行时设计。

Oh My Pi 工具层体验笔记：锚点编辑、LSP、调试器、浏览器与长任务工作流。

Claude Sonnet 5 的 SDK / API 迁移学习记录：参数、token 预算、适配层、提示词与工具调用。