我练 CrossFit 和 HYROX，为了备赛开始补跑步和心肺。把 Hermes 接进微信，用 Somvia 读取 Apple Health，再让 GPT-5.6 Sol 结合长期训练记录分析心率、睡眠、恢复和跑步表现。这套系统的关键并非生成一次课表，而是让同一个 AI 记得过去、看到真实数据，并持续根据新的训练结果修正判断。

Agent Memory 不是把历史全部存起来，而是按产品问题决定什么该记、什么时候取、谁能改，以及怎样避免过期记忆和上下文污染。

AI 让信息越来越便宜，但做判断越来越难了。读完 Claude Code 产品负责人的 AI PM 方法论之后的一些思考。

一开始，我其实觉得 OpenClaw 没有任何存在的意义

做一个 AI Agent 不只是给 LLMs 加几个工具那么简单。本文基于实践经验，探讨 Agent 设计中的三个核心问题：上下文管理、工具设计和评估体系。从 OpenAI AgentKit 和 Anthropic 多智能体研究系统的经验出发，分享关键词检索 vs 向量检索的选择、为什么 Agent 不需要专门训练模型、以及产品设计流程如何因 AI 而改变。

最近上下文工程（Context Engineering）成了某些人用来营销的新名词，用各种观点和文章来说明这个「新」东西的重要性，我觉得有些好笑。。。

AI 产品的复杂度远超想象——看似简单的功能背后是多个环节串联的复杂流程。本文揭示为什么评估能力将成为 AI 产品时代的核心竞争力。从确定性到概率性的转变要求我们重新思考产品开发方式，而系统性评估是唯一能确保产品持续优秀的手段。