2026年11月的文章 第26页
案例分析二:Data Analysis Agent 如何用 Working Memory 维持“已经排除哪些方向”
数据分析类任务里,Working Memory 的价值往往更明显。因为分析不是只记“发现了什么”,还要记“哪些方向已经排除了”。下面这张图把一个典型链路拆开:先提出几个假设,再逐个验证,最后把排...
案例分析一:Coding Agent 为什么读过同一个文件三次?Working Memory 如何减少重复调查
这个案例特别适合看图。左边是“没有 Working Memory”的情况:读 README、读 src/main.py,但没有把关键结论记下来,于是后面又不断重复读取。右边则是“有 Working Memory”的做法:第一次读...
小节四:Working Memory 怎么设计才不会变成“第二个垃圾桶”——生命周期、边界与质量控制
很多同学学到这里会进入另一个极端:既然 Working Memory 这么有用,那是不是多存一点更稳?其实恰恰相反,Memory 一旦没有边界,很快就会变成第二个垃圾桶。下面这张图,左边讲“应该放什么”...
小节三:把 Working Memory 接进 ContextBuilder,减少每轮重复整理
讲到这里,Working Memory 终于不是“概念上很好”,而是要真正接进上下文构建链路里。下面这张图把 ContextBuilder 常见的输入块都摆出来了:System Prompt、用户当前请求、最近几轮 Conversat...
小节二:Working Memory 应该怎么更新——它不是一次性总结,而是每个 Step 都在演进
这一部分建议先配合流程图理解。图里把“用户目标 → 当前 Memory → 选 Tool → 执行结果 → 更新 Memory → 进入下一轮 Context”这条链路串了起来,能很清楚地看到:Working Memory 不是任务...
小节一:Conversation History 和 Working Memory 到底差在哪——一个记录“过程”,一个记录“当前认知”
先看一张对照图,很多同学看到这里一下就能把两个概念分开了。左边是按时间顺序堆起来的 History,适合回放“发生过什么”;右边是面向下一步决策的 Working Memory,更像当前任务状态的摘要面...
Working Memory:Agent 当前正在想什么?
上一节我们已经实现了 ContextBuilder,把真实 Agent 的输入从简单的: System Prompt + 用户问题 升级成: System Prompt + Agent Rules + AGENTS.md + Skills + Memory + Conversation +...
章末自测
题目 1:为什么真实 Agent 的输入不能只用“System Prompt + 用户问题”? 请至少结合项目规则、Tool Result、Memory、Current Task 四类信息说明。如果缺少这些上下文,Agent 可能出现哪些典型...
案例分析二:Data Analysis Agent 为什么查着查着又回到已经排除的方向?
场景背景 用户问,“为什么昨天收入下降?” Agent 前几轮已经得到: 总收入下降 20% 媒体 B 降幅最大 请求量基本稳定 eCPM 下降 35% 其实已经基本排除: 流量下降 但后面又查了很多日志。 Cont...
案例分析一:Coding Agent 为什么明明“会修 Bug”,却总违反项目规则?
场景背景 项目根目录: AGENTS.md src/ tests/ AGENTS.md: - Python 3.9 - 不允许修改 tests/ - 不允许新增第三方依赖 - 每次修改后运行 pytest 用户,“修复失败测试。” 第一版 Agent Contex...










