现已上线！2025 年 Telegram 研究 — 年度关键洞察 
408
订阅者
-124 小时
-27 天
-230 天
帖子存档
408
1、冯栓：
如何保持长任务的稳定以及解决多轮迭代后的注意力分散机制，希望可以从实施方案和实际案例来解释说明
2、尹训岭：
我比较关心长记忆相关，在记忆维护层面：
1）如何更好的做到记忆遗忘和更新
2）Agent工作记忆与本体认知结合：
如何让Agent 在记忆中能够理解它自己，将工作记忆和自己的能力相结合，比如在自身能力升级后有些记忆会失效。
3、韩康：
agent中，agentic和硬逻辑部分的边界一般怎么划分？
背景是企业级agent很多逻辑不敢让ai自主决策，然后堆硬逻辑，最后越堆越不智能，有点枚举场景的感觉。最后只把ai当做语义理解和语句生成的角色。
4、班赫：
您从上下文专业开发视角，日常 AI 辅助开发中该如何合理运用会话上下文？需规避哪些典型风险坑点？同时团队层面是否适合搭建共享上下文体系，又该如何落地相关建设
5、周彬：
对于Agent的记忆系统，kimi现在是怎么做的。以年为单位的长期记忆，和日/周为单位的记忆，kimi是如何管理的。目前在使用kimi的体验，发现已经有记忆功能，我想在不同时间跨多个agent引用记忆去持续做一个方向的任务应该如何使用
6、谢妍：
我想问，对于特定场景，什么样的框架是AGENT顺利解决问题必不可少的，如果问题解决的不好，是否要使用后训练提升底层模型对特定场景的能力，还是先着手对框架进行改进？
7、董小威：
对于多Agent落地流程，里面涉及到比如任务规划、工具调用、RAG、多Agent协同这些多个开发环节，端到端效果不好的时候，如何判断是哪一个环节出了问题，如何设计每一个环节的评测呢？以及做模型微调时，是单独微调每一个子agent，然后freeze子agent微调master，或者同时去做agenticRL，有推荐的方式吗？
8、石弼林：
想请教以下几个问题：
1）长推理链路/多轮对话下，如何保证agent所输出内容的可溯源性（如追溯到chunk片段，对话上下文，工具调用结果等）
2）复杂任务规划时应如何界定人工介入时间点以及人工介入/反馈的方式？
9、王帅：
企业部署agent的工程化方案与传统企业应用部署和维护的不同，实践中有哪些需要注意的关键问题
10、方泽强：
对普通用户来说，怎样才能让自己的个人 Agent 越用越懂自己、越用越好用？有没有一套可落地的方法，把记忆管理、真实任务实践和结果反馈串起来，形成“使用一次、优化一次”的个人成长闭环？
