系列文章
Day 21: 加入 reflection state
昨天跑完最 naive 的 ReAct baseline，今天就來實作一個更進階版本 —— 加上 Reflection State。這個版本我暫時稱作 ReFA...
Day 22: Context Engineering (一)
在 agent-brain 中 memory 代表著儲存記憶與提取記憶的地方又 in each state 其實絕大多數都是靠 LLM 自己做 reflecti...
Day 23: Context Engineering (二)
今天繼續看 context engineering 相關的東西。 實驗4 昨天介紹的實驗都是 base on NIAH 的 dataset 做延伸。這個實驗則是...
Day 24: Todo List memory structure
今天來處理 Todo List 記憶結構。前幾天我們在嘗試 ReAct + Reflection 的流程，已經有一個不錯的「推理－行動－反思」循環。但光有行動和...
Day25: Todo List Memory Structure (2) - 實測與問題反思
昨天設計完 Todo List Memory，今天迫不及待地來跑實驗看看效果。理想很豐滿，現實卻有點骨感。 實驗結果 先上圖： 數據顯示： 在 hop=3...
Day 26: MCP overview
今天來介紹一個已經不知道被介紹多少遍的東西 MCP。 MCP 是什麼 ref: Model Context Protocol explained這張圖我一...
Day 27: register MCP servers on agent-brain
今天來讓 agent-brain 可以外接 MCP servers，讓我們的 AI agent 能夠使用更多外部工具。 為什麼要整合 MCP？ 還記得昨天介紹...
Day 28: 支援 Claude MCP Server Config
昨天讓 agent-brain 可以掛載多種 tools： "http://127.0.0.1:9000/mcp"：自動連線並載入遠端所...
Day 29: 打包成 python package
今天 Day29 就來真的打包一下 package 吧（雖然還沒完成）。 經過前面一連串的設計與重構，現在整個專案架構已經相當完整了： agent-brain...
Day 30: 完賽?
不知不覺也到最後一天了 <心得: 我真的不懂 LLM> Recall 前 29 天做了什麼 Day 1: 誇下海口，要打造一個 general ag...