# AI 预检检查：给智能体加一套工作记忆架构

> 原标题：AI预检检查：智能体工作记忆架构

- 来源：AI HOT 精选
- 发布时间：2026-07-08T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/43206
- 原文：https://www.tomtunguz.com/the-ai-preflight-check

## 摘要

作者 Tomasz Tunguz 分享了他给 AI 智能体搭的一套记忆系统。核心思路是“预检”：收到任务后，智能体先从长期技能库里只挑相关的技能（目前约 90 个）装进上下文窗口，而不是把全部资料塞进去。日常任务 80% 由本地跑的 Ornith 35B 模型处理，搞不定的才转给更强的模型。系统里还有个“看门狗”，会记录每一次决策，并在夜间做异步推理，...

## 推荐理由

Tomasz Tunguz分享的是自己动手搭的智能体记忆架构，有具体数字和组件名，不是产品发布稿。因为正文被截断，看门狗夜间推理的细节没完全展开，所以分数没给更高。

## 锐评

Tunguz 这套架构的核心是把记忆和推理拆开。他建了一个约 90 个技能的长期库，智能体接到任务后先做“预检”，只把匹配的技能装进上下文窗口，而不是把全部资料塞进去。这相当于让模型带着小抄上考场，能省下不少上下文空间。日常任务里，80% 由本地跑的 Ornith 35B 模型处理，只有硬骨头才转给更强的模型，听起来能省不少调用大模型的费用。

系统里还有个“看门狗”，会记下每次决策，晚上做异步推理，自动建议新技能或把部分技能转成确定性代码，比如用 Rust 处理日历排期，而不是让大模型去比空闲时段。昨天是它第一次没提改进建议，可能说明系统到了平台期，只有遇到真正的新异常才需要人插手。

不过，这篇文章是个人实验分享，不是产品发布。正文没披露这套系统的实际延迟、单次任务成本，也没给准确率数据。90 个技能听着不少，但能不能覆盖复杂业务场景也未知。整体思路值得参考，但落地效果还得看具体数字。