CJH's blog

公开基准与聚合榜单调研 调研日期：2026-08-13 问题：benchlm.ai / llm-stats.com 这类聚合榜单背后的基准数据集有多大？跑一遍需要多少时间和算力？ 一句话结论 基准数据集小得出乎意料，算力几乎不是问题——真正的成本来自推理 token 和 agent 多轮，而不是数据量。 更值得注意的是第二点：这些聚合站大多不自己跑基准，而是抓取公开分数，而公开分数之间的可比性远比想象中差。 一、基准到底有多大 主流基准的规模 基准 题量 类型 AIME（单年） 30 数学竞赛，数值答案 CritPt 70 物理推理 Terminal-Bench v2.1 89 终端 agent 任务 𝜏³-Banking 97 工具调用 agent AA-LCR 100 长上下文推理 ARC-AGI-2（公开评测集） ~120 视觉推理 HumanEval 164 Python 函数补全 GPQA Diamond 198 研究生级四选一 GDPval-AA v2 220 真实工作任务 SciCode 288 子问题 科研代码 ...

TypeScript vs Python 在 Agent 应用开发中的优势对比 Python 是当前 Agent 生态绝对主流（LangChain、LlamaIndex、AutoGPT、各类 LLM SDK），但 TypeScript(TS/Node.js) 在 Agent 工程化、生产部署、前端打通、高并发场景有非常明确的优势，同时也存在生态短板。下面聚焦Agent 开发场景，只讲 TS 相对 Python 的优势，顺带点明局限。 TypeScript 在 Agent 开发的核心优势 1. 强类型系统：大型 Agent 项目可维护性显著提升 Agent 代码复杂度来源：多工具调用、多轮上下文、Agent 状态流转、复杂 Prompt 模板、工具入参出参、多 Agent 协作、记忆模块。 TS：静态类型、Interface、Generic、Zod 生态，可对：Agent 状态、工具参数、LLM 结构化输出、记忆数据、消息历史做类型约束。 配合 Zod 做 LLM 输出 Schema 校验：编译期 + 运行期双重校验，减少 LLM 返回非法 JSON 导致 Agent 崩溃。 多 ...

敬请期待。

TencentDB-技术解析与体验分析 项目： Tencent/TencentDB-Agent-Memory — 让 Agent 沉淀经验，让人专注创造。 GitHub： https://github.com/Tencent/TencentDB-Agent-Memory 目录 项目定位与核心命题 竞品格局 技术栈与技术实现路线 功能清单 使用方法与工作流程 实现效果与用户价值 可提炼的方法论 局限与风险 可优化项 真实体验与体验分析 附录：关键文件索引与注释 一、项目定位与核心命题 定位 面向 AI Agent 团队的**「记忆 Hub」。核心理念一句话——「让经验沉淀、流动，然后被下一位 Agent 直接继承」**。其价值主张链条： 1已有信息 → 可复用记忆资产 → 更少 Turns → 更少返工 → 更稳定的结果和更高的效率 要解决的实际痛点 换一个 Session，同样的背景（项目、文档、结论）要重新讲一遍 换一个 Agent，文档要从第一页重读 一套已经跑通的做法，下次还要从头摸索一遍 关键约束（如「别重构旧鉴权模块，移动端还在用」）这种高代价上下文，不该靠人每 ...

OpenViking-记忆库理论与工具分析及优化方案 项目： volcengine/OpenViking — AI 智能体的上下文数据库。 GitHub： https://github.com/volcengine/OpenViking 分析基线： main @ afc54b01（2026-08-26），领先最新 release v0.4.16 共 69 个提交。 目录 项目定位与核心命题 竞品格局 技术栈与技术实现路线 功能清单 使用方法与工作流程 实现效果与用户价值 可提炼的方法论 局限与风险 可优化项 真实体验与体验分析 附录：关键文件索引与注释 一、项目定位与核心命题 定位 面向 AI Agent 的**「上下文数据库」。核心理念一句话——「把 Agent 的记忆从黑盒向量库，改造成一个可寻址、可分层、可审计的虚拟文件系统」**。其价值主张链条： 1黑盒向量检索 → viking:// 可寻址文件系统 → 分层按需加载 → 更少 token、更准召回 → 可调试、可审计 要解决的实际痛点 不可寻址：只能靠相似度撞运气，无法确定性地说「去看我的编码偏好」 不可分层： ...

LLM Wiki 技术分析报告 分析对象：nashsu/llm_wiki: LLM Wiki is a cross-platform desktop application that turns your documents into an organized, interlinked knowledge base — automatically. Instead of traditional RAG (retrieve-and-answer from scratch every time), the LLM incrementally builds and maintains a persistent wiki from your sources。 版本：v0.6.9（git tag v0.6.9，commit 723e259） 分析日期：2026-08-18 说明：本文结论均基于源码阅读，文中标注的 文件:行号 可直接定位。与 README 描述不一致处已单独标注。 目录 一、项目定位与核心命题 二、技术栈 三、技术实现路线与方法 四、实现功能清单 五、使用方法与工作流程 ...

agentmemory 技术全解（AI生产） 分析对象：@agentmemory/agentmemory v0.9.29（Apache-2.0） 定位：面向编程 Agent 的本地长期记忆服务，运行在 iii-engine 之上 本文结构： 第一部分 架构与核心算法 —— 检索、索引、图、生命周期、容错、评测 第二部分 读写链路与功能模块 —— 端到端路径 + 各功能实现（含流程图） 第三部分 优势与优化建议 —— 基于全量代码通读的评估 目录 第一部分 架构与核心算法 总体架构 核心数据模型与存储 混合检索：三路召回 + RRF 融合 BM25 检索实现 向量索引实现 图检索算法 查询扩展与重排 记忆生命周期算法 记忆价值模型：保留评分与遗忘 工程容错算法 评测与基准数据 第二部分 读写链路与功能模块 完整端到端路径：从提问到重启后召回 保存路径细节 拉取路径细节 Sessions Timeline Lessons Actions / Frontier / Routines Crystals Relations Patterns Profile Working Me ...

Agent Loop 调优方法综述 1. Agent Loop 概述 Agent 与传统的 LLM Chat 最大的区别在于，它不仅需要生成自然语言，还需要具备规划（Planning）、推理（Reasoning）、工具调用（Tool Calling）、环境交互（Environment Interaction）以及自我修正（Reflection）等能力。因此，一个完整的 Agent 通常采用循环执行（Agent Loop）的方式完成复杂任务，而不是一次性生成最终答案。 典型的 Agent Loop 可以表示为： 12345678910111213141516171819202122User Input │ ▼ Reasoning（理解任务） │ ▼ Planning（制定计划） │ ▼ Action（调用工具） │ ▼ Observation（获取反馈） │ ▼ 是否完成？ │ 否 ───────► 回到 Reasoning │ 是 ▼ Final ...

《禅游斗地主》综合分析案（AI辅助） 一、项目基础概况 《天天斗地主（真人版）》是禅游斗地主的 “初代基本盘”，《禅游斗地主》是它的 “品牌升级 Pro 版”，两者并行运营，共同撑起禅游的斗地主品类大盘。 《天天斗地主（真人版）》是禅游的初代王牌，是后者的玩法与用户基础 这款产品 2013 年前后正式推出，是禅游科技的第一款核心斗地主产品，早期主打卡通休闲画风，以经典癞子、欢乐斗地主玩法为主，依托手机预装、应用商店渠道快速起量：2016 年月活突破 1000 万，2017 年累计注册用户破 1 亿，是禅游科技 2019 年港股上市时的核心营收支柱，当年贡献了公司超 7 成的总收入禅游。 《禅游斗地主》是品牌升级后的旗舰款，承接直播红利而生 随着短视频直播流量崛起，禅游在原有斗地主产品的研发经验基础上，推出了以公司品牌 “禅游” 直接命名的升级版本，相当于从通用产品名升级为品牌专属款。它并非简单换皮，而是在美术、玩法、体验上做了全面升级，专门适配抖音等直播渠道的内容传播与用户转化，是目前禅游对外主推的斗地主旗舰产品。 研发与发行主体：禅游科技（港股上市背景、腾讯系团队基因） 产 ...

阶段性总结 整理医学超声图像处理、3D Gaussian Splatting（3DGS）及大语言模型（LLM）相关文献，按发表时间排序，供后续研究参考。 目录 1 医学超声图像处理 1.1 U-Net（2015） 1.2 EchoNet-Dynamic（2020） [1.3 nnU-Net（2020/2021）](#13-nnu-net20202021) 1.4 SAM-Med2D（2023） 1.5 超声分割系统综述（2025） 1.6 超声 AI 综合综述（2025） 2 3DGS 系列（含 NeRF） 2.1 NeRF（2020） 2.2 3D Gaussian Splatting（2023） 2.3 Mip-Splatting（2023/2024） 2.4 2D Gaussian Splatting（2024） 2.5 4D Gaussian Splatting（2024） 2.6 FastGS（2025） 2.7 MedGS（2025） 2.8 3DGS 综合综述（2024） 3 LLM 及医学超声 LLM 自主性 3.1 LLaMA（2023） 3.2 ...