AI Agents

OpenContext：把 Agent 记忆变成可治理的上下文资产

从目录、manifest、检索、写回和隐私边界出发，分析 OpenContext 如何为现有编程 Agent 建立可治理的长期上下文层。

免 Key 模型和联网搜索让 Hermes 的第一次试用更短，但稳定性、数据边界和生产责任仍需单独验证。

从个人 Agent 和独立开发视角，分析 TencentDB Agent Memory 的 L0-L3 分层、本地优先、短期卸载和使用边界。

从独立开发和团队工程视角，分析 Loop Engineering 到 Agent Graph 的转变，以及组织图、工作图和权限边界为什么重要。

RedPlanetHQ/core 把记忆、任务、连接器和网关放到一个自托管系统里，意义不在聊天，而在持续工作。

当 Coding Agent 已经足够强，普通人更该学的不是造 Agent，而是把已有 SaaS/Office 工作流改造成可沉淀脚本。

OpenTag 用开源运行时、可替换模型、AG-UI/MCP 和人工审批，展示了 Slack 工作区 Agent 的开放实现路径。

ByteChef 把 AI Agent、工作流自动化、RAG、Guardrails、MCP 和自托管审计放进同一平台，反映了企业自动化的新方向。

MoA 不是聊天花活，而是为高不确定性任务准备的决策层。参考模型先出视角，聚合模型再做裁决。

Hermes 的 MoA 模式把多个参考模型和一个聚合模型组织成协同判断链。它的价值不在炫技，而在为复杂 Agent 工作流提供第二意见、风险审查和可复核的决策结构。

当模型能力变强后，重型 Agent 方法论容易把规划变成新的负担。更轻的替代思路，是先用对话澄清需求，再用任务树和小步验证控制实现。

AgentLife 通过本地 Bridge 把 Claude Code、Codex 等 CLI Agent 接到手机端，让碎片时间可以远程调度代码任务；好用的前提是权限、工作区、验证和中断机制都要设计清楚。

/learn 不是简单记忆增强，而是把代码、文档、手册和历史材料提炼成可执行、可测试、可复用的 Skill，让 Agent 开始沉淀长期经验。

Claude Tag 把 Claude 放进团队频道、权限、记忆和异步任务里。更关键的不是又一个聊天机器人，而是企业 AI 从个人助手转向组织级执行系统。