不只是一个插件，更是一套经过实战检验的AI工程化方法论。它系统性地解决了AI编程中的记忆断层、成本失控和质量不稳等核心痛点，并提供了一个可复用的、强大的智能工程系统。对于希望将AI从辅助工具升级为可靠生产力伙伴的开发者来说，这是一个值得投入时间研究的优秀开源方案。

不只是一个插件，更是一套经过实战检验的AI工程化方法论。它系统性地解决了AI编程中的记忆断层、成本失控和质量不稳等核心痛点，并提供了一个可复用的、强大的智能工程系统。对于希望将AI从辅助工具升级为可靠生产力伙伴的开发者来说，这是一个值得投入时间研究的优秀开源方案。

SLM通过采用领域专属数据集进行训练，从根本上减少了虚假或无关信息的生成，实现了对幻觉率的显著优化。这一机制的核心在于，相较于通用大模型（LLM）依赖海量但宽泛的互联网数据进行训练，SLM的训练数据高度聚焦于特定垂直领域，从而在相关任务上能够提供更高确定性与零容错特性的响应。例如，在中文处理场景中，Qwen2.5-1.5B模型通过针对性的训练，在多轮对话中上下文引用准确率高达96.7%，即使在连续

MIT近期的研究显示即便最聪明的claude opus 4.6的编码能力依然不如人类的屎山代码，这其实是当前AI大模型所存在的根本缺陷导致的。长推理的本质就是应对长尾。人类可以通过动态记忆与实时学习、强大的抽象与类比、因果模型与假设推演、常识与模糊容忍等来应对长推理中不断涌现的长尾问题，但是大模型受限于外部经验以及上下文窗口导致其无法实时更新知识结构、形成抽象概念和思维模型，因此也无法将记忆和新知

MemOS和Engram代表了记忆增强技术的两个不同方向：MemOS是系统级的记忆治理框架，专注于为智能体提供长期、结构化、可管理的记忆能力；而Engram是模型级的记忆效率优化模块，专注于提升Transformer模型的知识检索效率。对于辅助大模型进行长推理，MemOS提供了更全面的支持，因为它不仅存储推理结果，还能管理推理过程的状态、记录逻辑路径、支持跨任务迁移，真正实现了"记忆即计算资源"的

deepseek v4编写的AI人机对弈象棋，进步相当大。

在 Windows 11 上启用自带的基于 GPT-4 的 Copilot 功能。

【代码】ollama+page assist插件轻松搭建本地deepseek RAG知识问答系统。

Skill 是 Agent 的工具箱，让大模型能真正执行任务。不同平台有各自的 Skill 规范，不通用，但思路一致。文件结构最常见的就是“文件夹 + 配置文件 + 提示（或代码）”，Semantic Kernel 是这方面的典型代表。描述清楚能力 → 定义好输入参数 → 实现执行逻辑（提示或代码）→ 在框架中注册。

Skill 是 Agent 的工具箱，让大模型能真正执行任务。不同平台有各自的 Skill 规范，不通用，但思路一致。文件结构最常见的就是“文件夹 + 配置文件 + 提示（或代码）”，Semantic Kernel 是这方面的典型代表。描述清楚能力 → 定义好输入参数 → 实现执行逻辑（提示或代码）→ 在框架中注册。