本文介绍了如何为AI对话系统设计一个简单的记忆功能，解决AI"金鱼记忆"问题。作者放弃了复杂的向量数据库方案，采用文件系统存储记忆，核心功能包括：1）让AI主动记笔记并建立索引；2）记忆扫描与关键词检索；3）对话消息压缩策略（图片替换和头部截断）。文章分享了实践中的关键设计：简单优先、设置防爆机制、关键词匹配够用等经验，并指出了会话管理、语义搜索等未来优化方向。整体方案注重实用性和响应速度，代码已

摘要 本文介绍了mini-cc项目采用的技术栈及其优势。该项目借鉴Claude Code的设计，使用TypeScript作为主开发语言，结合React和Ink框架构建终端界面。TypeScript的类型系统有效解决了工具返回结果不统一、不同Provider参数差异等问题，将运行时错误转化为编译时错误。React+Ink的组合则实现了终端界面的组件化开发，简化了复杂交互的实现。该技术栈显著提升了代码

在上一章，我们弄懂了 QueryEngine 是如何管理对话循环的。但你有没有想过，远在云端的 Claude 3.5 模型，究竟是怎么在你的电脑上敲下 `npm install`、是怎么搜索代码、又是怎么修改文件的？

本文深入解析了AI Agent循环引擎的核心机制，重点介绍了感知→思考→行动的循环流程及其工程实现。文章通过简化代码展示了递归式Agent循环的核心逻辑，并强调了实际应用中必须考虑的工程细节：包括迭代次数限制、动态系统提示词构建、记忆管理、超时处理和错误恢复机制。作者结合真实交互案例，说明多轮工具调用的执行过程，同时指出新手常见的两大陷阱：无限循环和上下文膨胀。最后提出思考问题，探讨Agent循环

本文深入解析了AI Agent循环引擎的核心机制，重点介绍了感知→思考→行动的循环流程及其工程实现。文章通过简化代码展示了递归式Agent循环的核心逻辑，并强调了实际应用中必须考虑的工程细节：包括迭代次数限制、动态系统提示词构建、记忆管理、超时处理和错误恢复机制。作者结合真实交互案例，说明多轮工具调用的执行过程，同时指出新手常见的两大陷阱：无限循环和上下文膨胀。最后提出思考问题，探讨Agent循环

接口定义在modelName?: string;isError?工具调用结果通过独立方法返回，而不是塞进的参数里。这样做的原因是，Agent 循环的逻辑通常是：用户发消息 → 模型返回工具调用 → 执行工具 → 把结果还给模型 → 模型继续生成。这个循环自然分成了两个阶段，用两个方法对应起来，上层代码更清晰。两个方法都支持。因为大模型 API 的响应时间可能很长，用户很可能在等待过程中按 Ctrl

摘要：AI Agent工程师岗位需求正从Demo开发转向工程化落地，要求具备多语言开发、容器化部署、可视化调试等能力。岗位核心是构建可观测、可迭代的Agent系统，涉及Python/Rust开发、Docker/K8s部署、MCP/Function Calling等技术栈。前端能力因可视化调试需求而愈发重要，AI Coding工具二次开发也成为必备技能。文章提出按岗位JD规划学习路线，分阶段掌握AI

摘要：AI Agent工程师岗位需求正从Demo开发转向工程化落地，要求具备多语言开发、容器化部署、可视化调试等能力。岗位核心是构建可观测、可迭代的Agent系统，涉及Python/Rust开发、Docker/K8s部署、MCP/Function Calling等技术栈。前端能力因可视化调试需求而愈发重要，AI Coding工具二次开发也成为必备技能。文章提出按岗位JD规划学习路线，分阶段掌握AI

摘要 本文介绍了mini-cc工具系统的设计思路，重点包括： 工具接口采用统一契约设计，通过依赖注入解决全局状态问题 工具注册中心管理所有可用工具，支持动态注册 内置工具实现细节：FileReadTool支持路径解析和内容截断，BashTool包含危险命令检测 三层安全机制：权限策略管理、工具内部自检和用户手动授权 支持MCP协议动态加载外部工具 系统通过严格的权限控制和错误处理，确保AI既能执行

摘要 mini-cc是一个基于分层架构设计的AI代理系统，核心模块包括Agent循环引擎、工具系统、Provider抽象层和记忆系统。采用依赖倒置原则，通过接口实现模块解耦，支持多种LLM提供商和工具扩展。系统遵循单一职责和开闭原则，各模块独立实现特定功能，便于维护和扩展。记忆系统采用短期/长期分层设计，有效控制Token消耗。源码结构清晰，各功能模块对应独立目录，开发者可快速定位和修改特定功能。