1. 先算一笔账：10K 能装几轮？ 2. 核心思路：把上下文当成预算 3. 三层记忆 3.1 近期原文：只留最近 2 轮 3.2 摘要：把旧对话压成事实列表 3.3 长期记忆：BM25 + jieba 分词 4. 工具调用：让模型自己找记忆 5. 配置：TOML 比 JSON 更适合手写 6. 工具输出截断 7. 故障恢复：meta.json + conversation.jsonl 双保险 8. LLM 调用层 9. 日志 10. 100 轮压力测试 11. 怎么证明它没失忆？ 12. 面试回答模板 本文首发地址 https://h89.cn/archives/637.html "10K 上下文怎么做 100 轮对话？" 窗口越大，推理成本越高，延迟越长，"lost in the middle" 也越严重。这道题考的是你有没有主

- 阅读剩余部分 -

一、为什么是飞书 CLI 二、安装：第一道坎不在代码里 三、认证：Agent 登录飞书，比人类更麻烦 四、身份边界：机器人替我发言，还是我替机器人背锅？ 测试 1：以 Bot 身份收发消息 测试 2：以 User 身份搜索历史消息 身份边界总结 五、四个工作流实测 工作流 1：晨间日程概览 工作流 2：群消息关键词响应 工作流 3：会议纪要整理 工作流 4：技术问题分析（翻车） 六、翻不过去的墙 1. 权限墙：scope 不够时，Agent 只能报错，无法自愈 2. 安全墙：高风险操作必须人类确认 3. 认知墙：Agent 没有上下文，只能执行，不能判断 七、结论：到底替我上了多少班？ 本文首发地址 https://h89.cn/archives/612.html 过去一周，我把飞书官方 CLI 接入了我的工作流，试图回答这个问题。结果不是"可以"或"不可以"，而是

- 阅读剩余部分 -

整体架构 核心模块拆解 1. 多源采集：配置化接入，不硬编码 2. 热点发现：Embedding + DBSCAN 3. LLM 提炼：从 N 篇文章到 1 个结构化事件 4. 热度评分：不只是计数 5. 去重：48 小时滑动窗口 6. 实时推送：SSE 比 WebSocket 简单 踩过的坑 技术启示 参考文献 本文首发地址 https://h89.cn/archives/595.html 这个五一我哪也没去，在家把一个想了很久的项目做完了。 事情是这样的：每天早上刷 Twitter、Hacker News、微博、知乎、36氪……每个平台都有自己的热点，但它们散落各处。更烦的是，算法推荐的"猜你喜欢"往往让真正重要的事件被淹没在信息流里。刷半小时，感觉看了很多东西，但脑子里一团浆糊。 我不是缺新闻，我是缺组织好的信息。 五一假期第一天，我脑子里突然闪过一个念头：

- 阅读剩余部分 -

为什么大项目最后都卡在 Issue 队列上 它不是自动关单，而是一条保守的维护流水线 它到底关什么，放过什么 真正值钱的，不是模型，是并行和审计 模型重要，但还不是最关键的东西 这件事真正打到痛点的地方 最后说透四点 参考文献 本文首发地址 https://h89.cn/archives/582.html 开源项目做到后面，最容易把人拖垮的，往往不是写代码，而是清 Issue。 你以为维护者最怕的是线上事故？很多时候不是。真正磨人的，是早上打开 GitHub，先看到几千个没处理的 issue 和 PR，红点一片，根本不知道该从哪下手。 ClawSweeper 抓人的地方，也不是“AI 一键关 Issue”这种热闹标题，而是它把这件只能靠人硬扛的脏活，做成了一条能审计、能回滚、能长期跑的流水线。 公开仓库里的审计数据显示，Cla

- 阅读剩余部分 -

一、缘起：8 小时黑客松，10 个月实战淬炼 二、AI 编程助手的核心痛点——你一定经历过 痛点 1：上下文窗口爆炸 痛点 2：令牌成本失控 痛点 3：会话信息丢失 痛点 4：重复劳动 痛点 5：单兵作战 三、ECC 是什么：不是插件，是系统 四、六大核心组件详解 4.1 Agents：38+ 个专业代理，各司其职 4.2 Skills：156+ 个领域技能，按需加载 4.3 Commands：72+ 个 legacy command shims，快速入口 4.4 Rules：常驻规则集，编码的底线 4.5 Hooks：事件驱动自动化 4.6 MCP：外部工具集成 五、持续学习 v2：让 AI 越用越懂你 v1：基于 Stop Hook 的模式提取 v2：基于 Instinct 的学习系统 六、多代理

- 阅读剩余部分 -

Hermes 在解决什么问题 为什么"长期运行"越来越重要 核心能力 1. 持久记忆 2. 自建技能与学习循环 3. 多平台触达 4. 灵活部署 v0.7.0 为什么值得注意 与常见 Coding Agent 的差别 与 OpenClaw 的对比 适合谁用 不适用场景 我的看法 引用来源 本文首发地址 https://h89.cn/archives/556.html 最近 Agent 圈里一个很值得关注的项目，是 Nous Research 的 hermes-agent。 它吸引我的地方，不是又一个"能调工具、能写代码、能调用模型"的 Agent。 而是它把重点放在了另一件事上：Agent 能不能长期运行、长期记住、长期变强。 这比单次演示难得多，也现实得多。 Hermes 在解决什么问题 今天很多 Agent

- 阅读剩余部分 -

本文首发地址 https://h89.cn/archives/528.html 项目方案地址 https://gitee.com/chenjim/tts-hexgrad-kokoro 一款开源、高质量、支持多语言的文本转语音服务，完全免费，可本地部署。 前言 在 AI 语音合成领域，商业 API（如 Azure、AWS Polly）虽然效果出色，但成本较高。而开源方案中，Kokoro-82M 以其轻量级（仅 8200 万参数）和高质量脱颖而出，成为个人开发者和中小企业的理想选择。 本文将详细介绍如何在国内网络环境下，使用 Docker 快速部署 Kokoro TTS 服务。 Kokoro 简介 Kokoro-82M 是由 hexgrad 开发的开源 TTS 模型，具有以下特点： 轻量高效：8200 万参数，推理速度快 音质优秀：媲美大型商业模型 多

- 阅读剩余部分 -

背景介绍 什么是Bitwarden 为什么选择自托管 部署环境准备 服务器要求 基础环境配置 安装部署步骤 1. 选择合适的镜像 2. 创建Docker容器 基本配置 端口映射 目录映射 3. 配置反向代理 4. 安全配置 关闭注册功能 其他安全建议 账户注册与登录 数据备份 备份策略 备份方法 常见问题处理 1. 访问速度慢 2. 无法登录 3. 数据同步问题 性能优化 服务器优化 客户端优化 进阶配置 启用WebSocket 配置SMTP 参考资源 本文首发地址 https://h89.cn/archives/355.html 背景介绍 什么是Bitwarden Bitwarden是一个开源的密码管理器，它提供了安全的密码存储、生成和共享功能。与其他密码管理器相比，Bitwarden的主要优势在于： 完全开源，代

- 阅读剩余部分 -