一、搜索和Agent的未来形式多模态输入
↓
隐式 world model（做理解 & 粗推理）
↓
显式结构层（memory / graph / tool schema）（约束 + 执行）
↓
决策与执行
↓
生成二、三层认知架构：感知+认知+行动2.1 感知层（Perception…
一、Memory Ownership这里的 ownership 指的更多是谁在使用和加工记忆模式描述Agent-owned每个Agent一套User-owned用户统一记忆Networked多Agent共享Agent-owned，需要卓越的技术产品User-owned，需要优秀的C端商业服务，软硬一体Networke…
Openclaw 是长时间任务型 Agent，对算力和数据库都提出新要求，就数据库而言，从“被查询” → “参与执行”一、OpenClaw 改变了 Agent 的形态传统 LLM：request → inference → response → 结束OpenClaw（Agent runtime）：输入 → 推理 → …
当各大厂纷纷推出类 openclaw 服务，就有了各种各样的“虾”，加上各种 AI Chatbot、AI Cli，每天要有很多很多孤立的窗口。我们需要属于自己的“集中”记忆。一、为什么 openclaw 类服务必然走向“记忆层分离”先看约束条件，也就是分散的部署：约束本质问题结果多厂商模型上下文不可迁移agent 被…
https://github.com/tobilg/ducklings1. 核心定义 (MEU)Ducklings := DuckDB WASM + 边缘/浏览器 SDK，本质是 Edge SQL Runtime。最小可执行单元：将数据库从基础设施降维为 SDK。2. 价值重构维度传统架构Ducklings 架构收益…
如果说 LLM 的上限是互联网文本的耗尽，那么 VLA 的上限就是机器人与物理世界交互的累计时长1. 物理数据采集的速度模型我们可以将 VLA 训练数据的获取效率 $R_{data}$ 简化为以下公式：$$R_{data} = N_{fleet} \times \eta_{autonomy} \times \frac…
依然从计算不可约性出发，来分析与现实世界深度交互的具身智能产业，核心的问题是“物理世界中的实时决策任务，是否比纯语言任务更难压缩？”，答案倾向于：是，而且结构上更强。一、不可约性的来源对比维度语言系统具身系统状态空间离散 token连续物理状态反馈延迟可重算实时约束可逆性高低噪声统计可平滑物理不可控语言模型面对的是符…
Stephen Wolfram 提出一个极具张力的判断：宇宙的底层不是连续几何结构，而是离散的计算过程。物理定律、空间结构、时间演化，都可以被视为某种“规则系统”的运行结果。计算不可约性（Computational Irreducibility）是这个计算宇宙观的核心支柱，它是指某些系统的未来状态无法通过数学压缩或公…