向大家介绍一下 Kapybara ,这是我春节期间做的一个通用 agent。我对它的预期是作为一个好用的个人助手。和大家熟知的那些 agents 相比,它能在群聊中恰当地工作,也能区分不同的聊天窗口,能给自己换头像,能安排定时任务、用 DAG workflow 规划任务。不过除此之外它在产品上目前还没有什么特别之处。
设计这个 agent 更多是为了验证我的一些观点。我在 「How LLM Agents Become What They Look Like in 2026?」 中解释了我对当代 agent 的看法,随后便萌生了动手实践的想法。
当我动手后,我在「第一记忆模式和第二记忆模式:Kapy 的记忆系统设计」中介绍了一种我根据自己的直觉搭建的 memory 系统;
在 「AI native 的 API 设计要求」 中,我解释了构建这个 agent 的工作和常规的编码工作有何不同;
在「大模型能力的发展会碾压一切大模型应用工程吗?」中,我给出了我对这个很多人都想问的问题的回答。
完成现阶段的 Kapybara 后,我在 「There Are No Agents, Only LLM」 中,对当前通用 agents 的设计范式作出了总结。
总而言之,希望 Kapybara 和这些文字能给大家带来一点灵感。
设计这个 agent 更多是为了验证我的一些观点。我在 「How LLM Agents Become What They Look Like in 2026?」 中解释了我对当代 agent 的看法,随后便萌生了动手实践的想法。
当我动手后,我在「第一记忆模式和第二记忆模式:Kapy 的记忆系统设计」中介绍了一种我根据自己的直觉搭建的 memory 系统;
在 「AI native 的 API 设计要求」 中,我解释了构建这个 agent 的工作和常规的编码工作有何不同;
在「大模型能力的发展会碾压一切大模型应用工程吗?」中,我给出了我对这个很多人都想问的问题的回答。
完成现阶段的 Kapybara 后,我在 「There Are No Agents, Only LLM」 中,对当前通用 agents 的设计范式作出了总结。
总而言之,希望 Kapybara 和这些文字能给大家带来一点灵感。