起因：旧插件停更，官方让你迁 核心机制：bank 是召回边界 尝试补救：静态 bankId 指回 hermes 根因：两代插件记忆注入机制完全不同 回滚旧插件（本次最终方案） 附带发现：path=list 加载错误根因 结论 那 Hindsight 为啥要这么设计？ 有没有兼容旧记忆的方案？ 升级前自检清单 那我的个人全局记忆还能换谁？ 本文首发地址 https://h89.cn/archives/757.html opencode 启动后，我盯着日志里这行字，半天没说话： reflect_deferred_new_bank pages_ok count:0 inject_ok chars:2343 bank 是 hermes，配置读得对，token 匹配，插件加载成功——但注入的 2343 个字符全是工具说明和模板，没有一条是我的记忆。132

- 阅读剩余部分 -

Go 是什么：10 美元买额度，不绑模型 主角：muse-spark-1.3-contributor 丑话说前面：两件事 谁适合开，谁别开 本文首发地址 https://h89.cn/archives/743.html 数据来自 opencode.ai/docs/zh-cn/go（2026-09-03），价格额度以官网为准，随时可能变。 为编程模型的账单心疼过吗？Agent 跑起来按量计费，一晚上烧掉几十块是常事；包月无限量又一个个没了。OpenCode Go 走的是中间路线：每月 10 美元，买一个额度池，用哪个模型扣哪种费率。 这个池子里请求数最多的，就是今天的主角：Muse Spark 1.3 Contributor，每月额度能跑 22.6 万次请求。顺带一提，这篇稿子的起草整理，跑的正是它。 Go 是什么：10 美元买

- 阅读剩余部分 -

一、选型：为什么是 qwen3-embedding 二、动手前的关键查证 三、执行五步走 第 1 步：停机 + 备份 第 2 步：起一个临时维护容器 第 3 步：SQL 改列 384→1024 第 4 步：重嵌脚本（断点续传） 第 5 步：重建索引 + 改配置 + 验证 四、性能实测：重嵌要多久，换完值不值 顺带验证：本地 LLM 换不换？ 五、踩坑清单 六、Reranker 升级：ms-marco → bge-reranker-v2-m3 为什么换 选型对比 改动 结果 Ollama 能跑 reranker 吗？ 七、翻车实录：reranker 换大了，整站记忆查询全挂 八、结论 本文首发地址 https://h89.cn/archives/731.html 我的 Hindsight 记忆库（给

- 阅读剩余部分 -

一、核心结论 二、全平台订阅计划总表（2026-09-10 快照） 三、各平台详情 3.1 DeepSeek（官方：无订阅制） 3.2 阿里云百炼 Token Plan（个人版） 3.3 火山引擎方舟 Token Plan / Coding Plan / Agent Plan 3.4 腾讯云 TokenHub Token Plan 3.5 智谱 GLM Coding Plan 3.6 月之暗面 Kimi（会员 / Kimi Code / API） 3.7 小米 MiMo Token Plan 3.8 MiniMax Token Plan 3.9 其他平台（第三方盘点，以官方页为准） 3.10 OpenCode Go（Zen Go 订阅） 3.11 Coder 系国际参照 四、按量单价速查（¥/1M） 五、等效单价测算（订阅 vs 按量）

- 阅读剩余部分 -

一、跨 VM 通信的三道坎 二、全景：三层架构，智能全在内核 三、第一件套：Socket 式通信 四、第二件套：共享内存 五、第三件套：虚拟中断与事件通知 六、落地实证：谁在用 HAB 七、边界、坑与选型 本文首发地址 https://h89.cn/archives/720.html 座舱域控制器这几年流行拆虚拟机：Android 占一个管娱乐，QNX 或 Safety Linux 占一个管仪表、管安全，而 GPU、视频编解码器、音频 DSP 这些硬件资源，全部归属 Host 侧。 于是问题来了：Android 要渲染导航、要播视频、要放语音，活全在对面那台"机器"上，数据怎么过去？ 走网络？内部以太网延迟毫秒级，一帧 1080p 视频几十 MB，带宽再高也是泪。 走 Binder？Binder 是进程间通信，跨不过虚

- 阅读剩余部分 -

一、核心结论 二、详细 Benchmark 数据 Artificial Analysis Intelligence Index（2026 年 9 月 10 日快照，v4.3） 🔥 Kimi K3 深度解析（2026.07.16 发布，07.27 已开源） 🔥 GLM-5.3 入榜说明（2026.08.14 发布，08.19 API 上线） 🔥 GLM-5.3-Flash 入榜说明（2026.08.26 发布开源——即「牛来」Ox Alpha） 🆕 Qwen3.8-Flash / Qwen3.8-Flash-Next 入榜说明（2026.08.26 发布开源） 🆕 Qwen3.8-Max-0902（2026.09.02 上线） 其他值得关注的国产模型（AA 9/10 v4.3 快照） 🔥 Hy3（腾讯混元，2026.07.06 正式版）深度解析 🆕 Hy4 previ

- 阅读剩余部分 -

1. 背景与目标 1.1 背景 1.2 目标 1.3 非功能约束（硬指标） 2. 算力与资源预算 2.1 平台画像（高通 8397/8797） 2.2 平台选型：高通 8397/8797（主选）vs NVIDIA Orin（对照） 2.3 部署形态：舱驾一体融合（主推）或 AI Box（备选） 2.4 资源预算分配（按部署形态区分） 形态 A：舱驾一体融合（64GB 共享，主推） 形态 B：AI Box 独立形态（32GB 专属，备选） 3. 总体架构 3.1 架构分层 3.2 现代座舱 Agent 八大能力（NVIDIA 的定义） 3.3 核心数据流（一次完整交互） 4. 模型选型与专有化策略 4.1 2026 开源模型对比（区分端侧候选与云端对照） 4.2 专有模型路线（车载必须专有化） 4.3 模型规模选择矩阵 4.4 视觉感

- 阅读剩余部分 -

你其实在重复教每个 AI 编程工具一遍 记忆引擎：不是"存下来"，是"沉淀出来" 检索：六路混合召回 + 三道质量闸门 真正难的工程：让六种 Agent 都接入 代价与取舍：为什么它还不能无脑用 同一天写这篇的时候，Keyv 的 npm 蠕虫正在被讨论：一个包被污染，所有装过它的项目全遭殃。Agent 生态也一样——你给 Claude Code、Codex、Cursor 各装一套配置，等于把同一个秘密讲给了三个互不认识的员工。他们各自记在小本本上，谁也不告诉谁。 本文首发地址 https://h89.cn/archives/687.html 你其实在重复教每个 AI 编程工具一遍 同时用 Claude Code 和 Codex 的人，大概率经历过这个循环： 在 Claude Code 里

- 阅读剩余部分 -