肥肥旭手记

Mem0：给 AI Agent 装上「长期记忆」 AI Agent 最大的痛点：它会「失忆」 你有没有经历过这样的场景： 这不是个例，而是 所有 AI Agent 的通病。 为什么会这样？ LLM（大

在处理复杂任务时，我们常常希望 AI 能像人类团队一样协作：主负责人把大任务拆解，分发给几个“小助手”去同步执行，最后汇总结果。 nanobot 通过其独特的 子智能体（Subagents） 系统，完

本文带你拆解其 Skills 系统，看它如何通过简单的 Markdown 文件教 AI 使用新工具，以及“按需加载”机制如何节省宝贵的上下文窗口。

为什么 nanobot 不需要复杂的向量数据库也能拥有长期记忆？本文带你深入拆解其独特的 Markdown 记忆系统，看它如何通过“两层架构”和“自我固化”机制实现持久化记忆。

如果你用过其他 Agent 框架，你可能会发现它们的提示词通常硬编码在 Python 文件里，或者藏在复杂的数据库配置中。但 nanobot 再次不走寻常路：它把 Agent 的灵魂交给了 Markd

在上一篇中，我们完成了 nanobot 的“启动仪式”。现在，你的 Agent 已经可以跑起来了。但你可能会好奇：当你输入 nanobot agent 并发送一条消息时，代码底层到底发生了什么？为什么

学习任何一个开源项目，第一步永远是：把它跑起来，然后看它怎么动。 nanobot 安装和配置非常简单，但简单背后隐藏着很多 Agent 设计的精妙之处。今天，我们就来拆解它的“启动仪式”。