最新

问题：在我的智能体构建器中，客户可以添加任何 MCP 来源。某些 MCP 来源可能会产生巨大的输出，这可能会超出输入上下文长度限制。<p>我正在寻找一种更智能的解决方案来解决这个问题。

在将 AI 语音助手与旧系统集成的 6 个月里，我厌倦了与 2003 年的 SOAP 协议斗争。于是我创建了 Hopeless，将 6 个月的集成时间缩短到 2 周。代币减少约 70%。 适用于任何遗留系统。

我“杀”了我的“宝贝”，这是我做过的最好的决定 只有几千人看到了我的 CAM 帖子，这是一个 10,000 行的语义记忆接口，带有嵌入、知识图谱和 Claude 钩子。 我用了大约一周后发现： * 它确实有效 * 慢 &lt; /3 实际发生了什么 花了一些时间构建这个精心设计的记忆基础设施。向量数据库。SQLite。语义搜索。自动摄取管道。关系图。应有尽有。 它奏效了！Claude 记住了东西！问题解决了，对吧？ 但是... 每次会话启动都需要 4 秒以上的时间。尝试运行 6 个 ghostty 会话，并填充相当大的上下文窗口。我基本上是在看着 Claude 吞噬我的内存。 我构建的旨在使 Claude 更“高效”的东西却让 Claude 变慢了。 所以我想到： “我是在围绕 Claude 进行工程设计，还是与它一起工作？” 重构： 全部扔掉。重新开始。 新堆栈： * 两个 Bash 脚本 * 全局/项目 CLAUDE.md 文件 * Claude 代码钩子 * 仅此而已 会话开始 → 上下文从 Markdown 加载 会话结束 → 状态保存到 Markdown 没有 API 调用。没有数据库。没有依赖项。 总共 1,500 行。 见解： 代理不需要精心设计的记忆基础设施。 他们需要一个持久层，这个层需要： * 足够简单，值得信赖 * 足够轻量，可以忽略 * 足够强大，可以持久化 事实证明，CLAUDE.md 文件 + Bash 脚本 + 钩子可以完成 10k 行的“怪物”所做的一切。只是……更干净。更快。并且更易于维护。 哲学转变 我不再试图围绕 Claude 的局限性构建，而是开始利用 Claude 的优势。 最初的系统是我试图变得聪明并尝试新颖性（感谢 ADHD） “Claude 没有记忆？我将构建一个完整的数据库！” 新系统是我变得聪明。 “Claude 可以读取 Markdown，Bash 快得要命。让我们直接使用它。” 更少的基础设施 = 更少的瓶颈 = 更多的窗口 = 更高的速度 未分离的记忆 我就是这么称呼它的。 同样的问题，同样的解决方案。代码减少了 93%。速度提高了 10 倍。实际上可以维护。 有时候，行动是减法而不是加法。 有时候，你 10,000 行的“解决方案”只是因为你能才过度设计。 --- 总结 - 重写了我的整个 Claude 记忆系统。从 10k 行带数据库到 1.5k 行带 Markdown 文件。现在可以立即启动。运行 6 个窗口，没有延迟。了解到简单每次都胜过聪明。 原始分离线程的链接：https://www.reddit.com/r/ClaudeAI/comments/1phtii5/unsevering_claude_to_my_codebase_achieving/ 如果你想看看我们是如何走到这一步的 Git 仓库链接：https://github.com/blas0/UnseveredMemory