分析 Agent 总说错因？团队拆解记忆系统四条关键设计决策
Financial-Shirt2304 · reddit · 2026-09-30
作者团队开发了 PulseMind，一个读取客户反馈、解释产品问题的分析 Agent。它擅长描述现状（投诉量、评分、热点话题），却完全无法理解历史：分不清问题是新出现的、是否已修复、修复是否生效。
作者负责记忆侧（使用 Hindsight），并总结了真正起作用的不是 API 而是几个设计决策：
- 定义什么算记忆：只把已合并的 PR 和已发布的版本存为「产品变更」，push 和新建 PR 视为噪音不入库
- 分类存储：用户反馈、产品变更、修复效果验证是三种不同记忆，不能混为一谈
- 不让 LLM 算指标：数学由 Python 完成，模型只负责解释结果
- 按需查询记忆：记忆查询有延迟且可能被限流，只在问题涉及历史时触发
最有意思的发现：带记忆的版本注意到历史中从没有过 payments 修复记录，于是把投诉激增标记为「未解决问题」而不是瞎猜原因——「没存过就说没存过」胜过自信地编故事。他们还加了「grounded in memory」标签和可浏览的记忆浏览器，能看到哪些记忆影响了一次回答。
「编程与Agent」频道最新
- pi 登上舞台演示，开发者现场展示引围观 — mitsuhiko · 2026-09-30
- Anthropic CPO：做三版原型比开会争按钮位置更快，评审挪到构建之后 — victor_explore · 2026-09-30
- 微软实习项目：让计算机使用 agent 在激励错位环境下更鲁棒 — ZacharyHuang12 · 2026-09-30
- WSL Containers 正式 GA，wslc compose 已列入路线图 — unixterminal · 2026-09-30
- 开发者构建并评测创作者策略 Agent 原型 — SNV-24 · 2026-09-30
- 开发者给 exe 加 MCP 接口,接上 ChatGPT 后直接用手机干活 — davidcrawshaw · 2026-09-30