我一直在思考一個我稱之為「上下文本體」的概念——主要是因為我希望有一個地方可以看到上下文的來源，以及它們在什麼提示中被使用。 對於大型語言模型（LLM）生成響應或採取行動的有用上下文可能包括以下內容：（1）高層次目標，（2）當前任務/關注領域，（3）相關過去任務的總結信息，（4）之前嘗試的學習等。 隨著我們對代理的期望增加（更長的任務、更複雜的項目等），原始記憶很快就會變得令牌重且嘈雜，這降低了LLM輸出的質量。大多數複雜的人工智慧應用都有某種總結的上下文（我想是這樣），以及多個上下文來源。 這裡的想法是定義一個你儲存的上下文本體，如何構建它，以及在你的系統中為每個提示檢索什麼。 *這裡的儲存，我並不一定指的是人工智慧的數據庫。重要的是，考慮儲存在任何應用中的數據作為人工智慧記憶的一部分（例如API/MCP連接）似乎更為整體。也許這個本體應該對此進行說明。 進一步說，你可以將其變成一個動態本體，讓人工智慧可以管理和測試，然後將其放入一個強化學習環境中，讓代理自我改進上下文管理（假設如此）。 不確定總結策略是否應該放在這裡，但從高層次來看是有意義的。更棘手的是，大多數人在攝取信息時會進行總結，因此每次更改時都必須重新總結之前的攝取（用於測試更改和自我改進）——但我想這個問題無論如何都會存在。 我認為這裡沒有什麼特別新的內容。只是我在思考，試圖在內部創建一些框架，以映射我所見過的各種策略。