不用 LangChain,用 Python+Ollama+SQLite 从零手写 AI Agent 记忆
_jaydeepkarale · x · 2026-09-17
作者发布 Agent 记忆系列教程第 3 篇（共 7 篇），目标是彻底抛开 LangChain、LangGraph 和托管记忆服务，只用 Python、Ollama、SQLite、一个 embedding 模型和一个 LLM，从零实现带记忆的 agent。
完成后的 agent 能做到：
- 记住用户的有用信息，并在会话结束后持久化
- 事后检索相关记忆并注入 LLM 上下文
- 判断哪些信息值得记，给每条记忆标注类型、重要度和置信度
- 执行语义化记忆检索
实现刻意保持简单，重点在于先理解记忆机制的基本原理，再动手构建。属于手把手的工作流教程，读者可直接照着跑。
「编程与Agent」频道最新
- ML工程师通病：只看外部榜单，不懂产品该测什么 — yunta_tsai · 2026-09-17
- PostHog：agent 开的 PR 从 20% 涨到 70%，工程师去干什么 — rseroter · 2026-09-17
- 非开发者用 Claude 做出开源 AI 投研工作台 GreekSoup — Practical-Rise-1188 · 2026-09-17
- Google 一口气放出 Agent 全生命周期工具栈:构建、观测到治理 — blaizedsouza · 2026-09-17
- favicon 太小放不下吉祥物?tldraw 每次加载随机换一个 — max__drake · 2026-09-17
- 把判定标准写成 JSON 而非自然语言,LLM 分类任务更稳 — iamrobotbear · 2026-09-17