深度学习任务分类

深度学习任务分类之图像超分辨率

论文猎手——它不像其他AI只靠记忆编代码，而是像猎手一样潜入学术丛林，沿引用图谱追踪最新训练配方，猎取已验证的论文成果来驱动代码生成，真正做到"用论文的答案写代码，而不是用AI的直觉猜代码"。

DeepSeek-TUI：1M 上下文、递归子代理与 Git 沙箱回滚

会话1（线程A）→ save_preference 工具 → 偏好写入持久存储→ 会话结束，线程A 短期记忆消失会话2（全新线程B）→ get_preferences 工具 → 从存储读回偏好 → 注入上下文→ 代理"记得"Sarah，即使线程已换三个关键机制工具即接口：长期记忆不依赖会话，而是通过工具访问外部存储——工具是代理与持久层之间的桥。存储独立于会话：偏好存于（生产为 Mem0/向量库）

会话1（线程A）→ save_preference 工具 → 偏好写入持久存储→ 会话结束，线程A 短期记忆消失会话2（全新线程B）→ get_preferences 工具 → 从存储读回偏好 → 注入上下文→ 代理"记得"Sarah，即使线程已换三个关键机制工具即接口：长期记忆不依赖会话，而是通过工具访问外部存储——工具是代理与持久层之间的桥。存储独立于会话：偏好存于（生产为 Mem0/向量库）

会话1（线程A）→ save_preference 工具 → 偏好写入持久存储→ 会话结束，线程A 短期记忆消失会话2（全新线程B）→ get_preferences 工具 → 从存储读回偏好 → 注入上下文→ 代理"记得"Sarah，即使线程已换三个关键机制工具即接口：长期记忆不依赖会话，而是通过工具访问外部存储——工具是代理与持久层之间的桥。存储独立于会话：偏好存于（生产为 Mem0/向量库）

提示工程与上下文工程的区别。提示工程专注于静态指令，用规则引导代理；上下文工程管理包含初始提示在内的动态信息集合，确保代理随时间推移拥有所需信息，核心是使过程可重复且可靠。上下文类型。指令：规则——提示、系统消息、少量示例、工具描述。知识：事实、数据库检索结果、长期记忆（含 RAG 系统）。工具：外部函数/API/MCP 服务器定义及其反馈结果。对话历史：持续对话，随时间增长并占用窗口空间。用户偏

最新开源DCL-SLAM:一种用于机器人群体的分布式协作激光雷达 SLAM 框架

深度学习任务分类