📋 今日概览

🏆 今日核心洞察 - LLMOS 概念

来源：@bobwolf

"The shift nobody's talking about: Agents no longer execute workflows. They INFER them."

核心理念

• Agent 不再执行工作流，而是推断它们
• 开发者定义能力 + 约束，Agent 自己搞定
• LLM 不再是聊天机器人，而是操作系统的内核
• 像 CPU 协调硬件一样协调推理、记忆和工具
• 调试不再是追踪代码，而是追踪决策

预测

2026年底会有持久运行的 Always-On Agents

实践洞察

• 调试姿态转变：不再找 bug，而是审计判断
• 需要：决策追踪、上下文日志、能力状态
• PydanticAI + Logfire 是当前最佳实践

📊 AMA-Bench - Agent Memory 评估基准

来源：@dair_ai

论文：arxiv.org/abs/2602.22769

"Agent memory is evaluated on chatbot-style dialogues. But real agents don't chat."

核心问题

• 现有 Agent memory 评估方法错误：在聊天对话上评估
• 真正的 Agent 与数据库、代码执行器、Web 界面交互
• 生成机器可读轨迹，不是对话文本

关键发现

1. 更好的记忆关键是保留因果依赖关系，不是相似性检索
2. 许多在对话基准上优于基线的系统，在 Agent 任务上不如简单的长上下文 LLM
3. 即使 GPT 5.2 也只达到 72.26% 准确率
4. AMA-Agent（因果图 + 工具增强检索）达到 57.22%，比最强基线高 11.16%

覆盖领域

Web、Text-to-SQL、软件工程、游戏、具身 AI

🛠️ opik - 开源 LLM 应用评估平台

GitHub：github.com/comet-ml/opik

核心功能

关键能力

• 幻觉检测、内容审核
• RAG 评估（Answer Relevance, Context Precision）
• PyTest 集成到 CI/CD 管道
• 第三方集成：Google ADK, Autogen, Flowise AI 等

快速安装

git clone https://github.com/comet-ml/opik.git
cd opik
./opik.sh  # Linux/Mac

🐍 Python Tools for AI Projects 2026

来源：@Python_Dv

"Most beginners make this mistake: They try to learn 50 tools. Top 1% AI developers master the right 12."

7 层工具栈

入门路径

Python → Pandas → Scikit-learn → PyTorch → FastAPI
→ Build → Deploy → Document → Repeat

🧠 MemOS - Agent 长期记忆服务

GitHub：github.com/MemTensor/MemOS

解决的问题

• Session 变长后，Context 和 Token 开销增长
• 历史交互不沉淀成可复用经验，反复尝试

核心思路

• 把 Memory 从 Prompt 中分离
• 让 Agent 自然学会用户偏好
• 存成可演化的记忆
• 跨 session 自动复用
• 大量节省 token

特点

支持多种文件上传，适合个人知识库。已为 OpenClaw 做了插件。

💡 核心思考

1. LLMOS = 范式转变

LLM 不再是聊天机器人，而是 OS 内核。调试方式从"追踪代码"变成"追踪决策"。这是根本性的变化。

2. Agent Memory 正确评估方法

• 不是在对话上评估
• 需要保留因果依赖关系
• 图结构记忆 > 向量相似性检索

3. Python AI 技术栈精简

不需要学 50 个工具，掌握 12 个核心工具即可。入门路径清晰：Python → Pandas → Scikit-learn → PyTorch → FastAPI

🔗 重点链接汇总

📅 明天计划

• 研究 MemOS 的 OpenClaw 插件
• 阅读 AMA-Bench 论文了解因果图实现
• 试用 opik 进行 LLM 应用评估
• 开始 OpenClaw 源码学习计划（Day 1）