深度

GBrain 不是一个更漂亮的 wiki，而是把 compiled truth、timeline、hybrid search、skills 与同步规程结合起来的 agent knowledge runtime。

上一自然周 Hacker News Top 10 中文周刊，聚焦 AI 工程化、开源安全、平台依赖与终端个性化。

GraphRAG 不是普通向量 RAG 的小改版，而是把图构建、社区摘要和分层查询工程化成一条完整链路，适合长文集和私有语料。

Letta（前身 MemGPT）把 memory 直接做进 agent 生命周期里，提供 CLI、API、server 和 memory blocks，是一个典型的 stateful agent 平台。

ZEP凭啥在DMR benchmark击败MemGPT？深度拆解其时序知识图谱架构、混合检索策略与工程实现。

Hermes Agent 把 memory、skills、cron、gateway 和多模型后端连成闭环，目标不是做一个聊天框，而是做一个长期在线的 Agent 操作系统。

QMD 把 SQLite FTS5、sqlite-vec、LLM 重排和 AST-aware chunking 组合成一条本地混合检索链路，适合知识库与 Agent 工作流。

Mem0提供分层记忆架构，支持会话/会话/用户/组织四级记忆，结合向量检索与图存储，为AI代理实现长期上下文保持。

Graphify通过Tree-sitter AST解析和LLM语义提取，将任意代码库转化为可查询知识图谱，实现71倍token压缩，支持19种语言。

MemPalace是一个开源AI记忆系统，采用"存储一切"的理念，在基准测试中达到96.6%召回率。它与主流的Mem0有何不同？

上一自然周 HN 的核心叙事并不是单点爆款，而是 AI 工具链安全、供应链攻击、平台边界和开源模型竞争同时升温。

NVIDIA 在 GTC 上发布 NemoClaw，为 OpenClaw 进入企业市场打开大门；Superpowers 三个月获 9.2 万 star 打破 Linux 纪录；Claude Cowork Dispatch 成为 Anthropic 史上最大发布。Agent 生态本周加速。

前五篇讲了五套 Harness 实践，但没有一篇回答过最基础的问题：你怎么知道自己的 Harness 是不是在工作？20 年企业 IT 经验提炼出的六个判断，以及衡量任何 Harness 的三个核心问题。

Karpathy 在 program.md 里写了 LOOP FOREVER。他的 autoresearch 用三个文件、一个闭环，让 agent 一夜跑了 80+ 轮实验。这是 Harness 设计的最小可行版本，也是独立开发者的参考答案。

Mario Zechner 受够了 Claude Code 的黑箱，自己造了一个只有 4 个工具、900 token 的极简 agent。核心主张：你以为你在做 context engineering，但你连 context 里有什么都不知道。

OpenAI 工程团队五个月写了百万行 AI 代码，却发现代码库有传染性——坏模式被 AI 无限复制。他们的解法：用 GC Agent 清 agent 的垃圾，用知识即代码阻止问题蔓延。

本周主旋律是买买买：OpenAI 收购 Astral，Anthropic 收购 Bun，大厂从卷模型转向卷开发者工具链。同期：Cursor Composer 2 发布，Claude Cowork 亮相，Codex 周活突破 200 万。

AI 评估自己的工作，几乎永远给出好评。Anthropic 工程师 Prithvi 从 GAN 偷来一个想法：用独立的 Evaluator agent 充当刻薄的质检员，让输出质量在多轮迭代中持续提升。

模型够好，工具够多，但结果还是不稳定——问题往往不在模型，而在 Harness。这篇文章给出 Harness 的完整定义：围绕 AI 模型构建的运行环境总和，以及理解它的五个核心维度。

《情境感知》终章：在末日论者与有效加速主义者之外，作者提出 AGI 现实主义——超级智能关乎国家安全、美国必须领先、我们绝不能搞砸。而最可怕的醒悟是：根本没有精英团队来接管这一切。

《情境感知》IV：指望旧金山初创公司独自掌控超级智能是范畴错误——AGI 将以曼哈顿计划式的国家工程推进。为什么「大项目」是唯一出路、三个开放变量（时机、联盟、执行力），以及终局：朋友们，沙漠中见。

《情境感知》IIId：超级智能将带来决定性的军事优势，而中国远未出局——7nm 够用、基建碾压、算法可窃取。只有民主阵营保持健康的领先优势，才有安全渡过智能爆炸的容错空间，也才有可能建立防止自我毁灭的防扩散机制。

《情境感知》IIIc：RLHF 注定在超人系统上失效，我们如何控制远比自己聪明的 AI？默认计划：用评估优势、可扩展监督、泛化与可解释性对齐「某种程度超人」的模型，用自动化对齐研究走完剩下的路，并以「超级防御」兜底。

《情境感知》第三章下篇：当 AGI 的核心机密能用一杯咖啡的价钱被偷走，「领先的中国 AGI 实验室将不在北京，而在旧金山」。模型权重与算法机密需要国家级保密体系——SCIF、物理隔离、政府深度介入。AGI 的曼哈顿计划，先要给实验室上锁。

《情境感知》第三章上篇：2026 年吉瓦级、2028 年 10 吉瓦级、2030 年万亿美元级——算力集群的资本与能源总动员已经开始。AI 收入半年翻番能否买单？电力与芯片瓶颈能否突破？为什么这批集群必须建在美国本土？

《情境感知》第二篇：一旦 AGI 能够自动化 AI 研发本身，数以亿计的『自动化 AI 研究员』将把人类十年的算法进展（5 个以上数量级）压缩到一年之内——从 AGI 到超级智能，可能只需要不到一年。

《情境感知》第一篇：从 GPT-2 到 GPT-4 的四年里我们跨越了多少个数量级？沿物理算力、算法效率与『解除束缚』三条趋势线推算，2027 年实现 AGI 的可能性大得惊人。

《情境感知》系列前言：AGI 军备竞赛已经打响，万亿美元工业总动员拉开序幕，『国家计划』即将启动——拥有情境感知的人，已在旧金山窥见终局。