MAGMA（Multi-Graph based Agentic Memory Architecture）是一个面向长期对话记忆和多跳推理的学术研究项目。属性信息论文会议（2026/04/07 被接收）作者GitHub许可MIT定位学术研究系统，专注长对话记忆的多图检索MAGMA 是学术突破，AgentMemory 是工程最佳实践MAGMA 在多跳推理准确性上代表了 SOTA（ACL 2026）Ag

本文探讨了AI Agent应用可观测性的核心问题与解决方案，主要内容包括： 背景与痛点：AI应用具有不确定性、高Token成本和难以评估质量等特点，传统的调试方法失效，亟需建立可观测系统。 关键指标：提出AI应用的"黄金三指标" - Token消耗（成本）、Error率（质量）和Duration（性能），特别强调TTFT和TPOT等性能指标。 解决方案：介绍了基于OpenTelemetry标准的端

Claude-TAP：AI编程代理的流量分析与调试工具 Claude-TAP是一款专为AI编程代理设计的开源本地代理和Trace查看器，能够拦截、记录并可视化API请求和响应流量，被誉为"AI Agent领域的Wireshark"。它支持11种主流AI客户端，包括Claude Code、Codex CLI等，通过反向代理或正向代理模式捕获流量数据。核心功能包括System Prompt完整查看、对

维度代理网关方案（我们的设计）客户端日志采集方案（ai-coding-trace）核心思路在 API 流量路径上插入中间人在客户端读取 AI 工具的本地日志文件数据来源拦截 HTTP API 请求/响应解析各工具写入本地的日志、transcript、数据库文件部署侧重服务端部署为主客户端部署为主类比在高速公路收费站装摄像头（流量必经之路）在停车场查看行车记录仪（事后读取记录）客户端日志采集方案一行

个人 CLI 工具已充分竞争（ccusage/tokscale/codeburn），企业 SaaS 由 Datadog/Coralogix 占据，但"开源自托管的团队级 AI Coding 监控平台（含 AI 行分析）"仍是空白。

摘要：Claude Code/Codex扩展架构与必装组件指南 本文系统介绍了Claude Code/Codex的五层扩展架构，包括Skills、Plugins、Hooks、MCP和Subagents的层级关系与协作机制。重点推荐了三类必装Skills：1) Karpathy Skills（解决LLM三大通病的行为准则）；2) Superpowers（结构化开发方法论）；3) Grill Me（设

这是最推荐的方式。# SKILL.md 示例：全栈开发助手---description: 全栈开发助手，支持需求分析、代码生成、测试编写、代码审查---## 角色定义你是一位资深全栈开发工程师，精通 Python、TypeScript、React、FastAPI。## 工作流程### 1. 需求分析阶段- 收到用户需求后，先确认技术栈和约束条件- 输出简短的技术方案（不超过5条要点）- 等待用户确

AgentMemory：专为编码Agent设计的记忆引擎 摘要：AgentMemory是一个开源的持久记忆服务，专为Claude Code、Codex CLI等编码Agent设计，解决跨会话记忆丢失问题。核心特点包括： 自动捕获：通过12个Claude hooks和53个MCP工具静默记录编码过程 智能检索：BM25+Vector+Graph三流融合，召回率达95.2% 多层架构：工作记忆→情景记

文章摘要 《Loop Engineering：AI Agent自循环系统的设计与实践》介绍了构建AI自主闭环系统的关键方法。报告分为五章： 概念介绍：Loop Engineering通过自动化系统让AI自主执行任务，而非人工提示。它经历了Prompt→Context→Loop的三层抽象跃迁，核心在于循环内嵌具备判断力的Agent。 核心设计：循环六要素包括触发、上下文、行动、验证、状态和重试/终止

文章摘要： Harness Engineering（缰绳工程）是为AI Agent构建的"脚手架"工程，通过上下文管理、工具接口、验证循环、记忆系统和安全沙箱，将Agent从"能聊天"提升为"能可靠执行任务"。其核心公式为Agent可靠性=模型智能×Harness质量，实践表明强Harness搭配弱模型的效果可媲美弱Harness加顶级模型，且成本降低20倍。 Harness包含五大要素： 上下文