共 16 篇文章
费曼学习法：为什么你会忘掉读过内容的 90%，以及修复它的 4 个提示词
用费曼学习法与 4 个 Claude 提示词，20 分钟把读过的知识真正留在脑子里。先讲遗忘曲线与流畅性错觉——读得顺不等于真理解，再给四步法：选概念、讲给孩子听、找缺口补全、简化类比，并指出用提示词做主动解释比被动阅读更能对抗遗忘。适合想提升学习效率的人。
Pydantic 修好了我的 Agent Memory
介绍用Pydantic结构化Agent Memory的方法。通过定义EntityModel和EdgeModel等数据模型，将记忆转化为有明确类型和关系的结构化数据，提升存取效率和准确性。
Dan Koe：如何记住你读过的所有内容
Dan Koe 谈为何读了记不住：把记住当成学习终点是个误区，真正理解是知道知识何时何地有用。主张用项目暴露知识缺口、在挣扎中纠偏而非死记，并拆解书签、笔记、第二大脑为何常失效，给出让知识在需要时自然浮现的阅读与连接方法。适合被信息焦虑困住的学习者。
AI写得快 ≠ 真正提效：一文讲清Harness“记忆”和“验证闭环”
腾讯云开发者复盘：用 AI 写代码『写得快』≠『真正提效』，坑有三——AI 没记忆、每次新会话从零开始；AI 改完就停，不做验证与上线闭环；AI 会犯错、自作主张、缩小验证范围。解法不是让 AI 更聪明，而是套上 Harness：让 AI 有记忆（会话复盘把『反复探索才拼得出』的知识写成文档落两级索引，只写阴性知识/位置索引/隐含关联、定点修改不整篇覆盖）、能动手、跑完验证闭环，关键路口留人把关。
接入这个开源插件，让我Token直接省了50 ，Hermes和OpenClaw都支持。
作者分享腾讯云数据库开源插件「Agent Memory」在 Hermes 与 OpenClaw 中的接入实测，长任务 Token 消耗直降约 55.7%：借助方案，Agent 的长上下文被卸载到外部文件，对话内仅保留轻量摘要与 Mermaid 任务图。文章演示配置与接入命令，并实测其三大能力——L0-L3 四层记忆（事实、要求、任务经验、用户画像）自动沉淀并跨会话召回；源码与日志外置并生成 Offload 索引可按节点回查；团队版 Memory Hub 可将对话、Skill、Wiki、代码图统一管理。适合频繁运行长任务、希望降低 Token 成本与让 Agent 越用越懂自己的用户。