摘要： Hermes是由Nous Research开源的个人AI Agent运行时框架，定位为"可自我进化的自主智能体"，主要功能是为编码Agent提供记忆管理、技能沉淀和后台自动化支持。其核心设计为三层结构化记忆体系（核心置顶记忆、会话检索记忆、技能化长期记忆），通过本地存储和检索实现跨会话上下文持久化，并能从执行经验中自动优化技能。需搭配大模型API（如Claude Code）使用，适合个人长

OpenCode 是一款开源的终端 AI 编程协作工具，采用 MIT 协议，支持 75+ AI 模型提供商（如 OpenAI、Claude、Gemini 等），避免供应商锁定。其核心功能包括 Plan/Build 双模式审核代码、多 Agent 协作、LSP 语言服务器集成和终端优先的 TUI 界面。安装方式多样（Shell、Homebrew、Docker 等），适合需要灵活切换模型、远程开发或注

OpenAI Codex 是 OpenAI 推出的开源 AI 编程助手，支持终端 CLI、桌面应用、Web 和 IDE 扩展。它采用 Apache 2.0 协议，能自主完成编码、调试、重构、测试等任务。2025 年 4 月发布 CLI 版本，2026 年演进为统一平台，周活跃用户突破 500 万。核心功能包括多文件编辑、项目级指令、斜杠命令、插件系统和并行多 Agent 协作。提供三种运行模式（建

OpenClaw（最初名为 Clawdbot，曾短暂更名为 Moltbot，2026 年 1 月底定名为 OpenClaw）是由奥地利开发者 Peter Steinberger 创建的开源个人 AI Agent 框架。项目的 Logo 是一只龙虾（🦞），因此在中文科技圈被昵称为"龙虾"。OpenClaw 的定位不是编码工具，而是一个具有高度系统权限的个人 AI 代理——它能运行 Shell 命令

Headroom是一款本地运行的上下文压缩层，通过智能压缩技术显著降低AI Agent与LLM交互时的Token消耗（减少60-95%）。其核心CCR机制（压缩-缓存-检索）能对JSON、代码和自然语言进行内容感知压缩： SmartCrusher处理JSON结构冗余（17K Token→1.4K） CodeCompressor基于AST优化代码（移除注释/空白/未用import） Kompress

Headroom是一款本地运行的上下文压缩层，通过智能压缩技术显著降低AI Agent与LLM交互时的Token消耗（减少60-95%）。其核心CCR机制（压缩-缓存-检索）能对JSON、代码和自然语言进行内容感知压缩： SmartCrusher处理JSON结构冗余（17K Token→1.4K） CodeCompressor基于AST优化代码（移除注释/空白/未用import） Kompress

Headroom是一款本地运行的上下文压缩层，通过智能压缩技术显著降低AI Agent与LLM交互时的Token消耗（减少60-95%）。其核心CCR机制（压缩-缓存-检索）能对JSON、代码和自然语言进行内容感知压缩： SmartCrusher处理JSON结构冗余（17K Token→1.4K） CodeCompressor基于AST优化代码（移除注释/空白/未用import） Kompress

本文提出了一套企业级大模型安全防护的三层纵深防御架构，覆盖从输入到输出的全链路安全风险。该体系包含11个标准化方案，分为三个层级： L1输入过滤层：在流量入口进行前置防护，包括文本转义清洗、多维度正则网关、轻量语义检测和RAG查询预处理，拦截已知攻击。 L2执行隔离层：架构层面的核心防护，采用分层Prompt隔离、硬编码+占位符传参、工具权限最小化、沙箱隔离和RAG文档后置清洗等措施。 L3输出校

本文深入解析了大语言模型（LLM）评估的核心指标及其应用场景，重点探讨了召回率、准确率、F1等传统指标在LLM时代的适用性变化。文章指出LLM评估面临三大挑战：生成开放性、任务混合性和用户主观性，并系统梳理了四个基础评估指标的计算方法和应用场景。特别针对RAG（检索增强生成）场景，详细介绍了检索阶段和生成阶段的不同评估指标选择，包括Recall@K、Precision@K、MRR、NDCG等检索指

维特根斯坦哲学与大语言模型：语言理解的两种路径 本文从维特根斯坦前后期哲学思想出发，分析大语言模型的运作机制与理解边界。早期维特根斯坦的"图像论"（语言作为现实的逻辑映射）解释了词向量空间如何编码语义关系；后期维特根斯坦的"语言游戏"和"意义即使用"理论则揭示了Prompt工程和上下文理解的本质。文章指出： 词嵌入技术实现了早期维特根斯坦的语言结构映射思想； 语言模型的训练方式完美体现了"意义即使