AI Agent 时代的知识库:回忆、验证与写回
从 ChatCrystal 的 MCP 工具和任务记忆实现出发,设计有范围、有证据、可修订的记忆循环,区分工具能力与自动化承诺。
#ChatCrystal
#MCP
#AI Agent
#知识管理
分享前端工程与 AI 编程中的问题、实现思路和实践总结。
从 ChatCrystal 的 MCP 工具和任务记忆实现出发,设计有范围、有证据、可修订的记忆循环,区分工具能力与自动化承诺。
区分关键词检索、向量搜索、RAG 与笔记关系图,结合 ChatCrystal 的候选召回和一跳扩展实现,说明关系能补充什么、不能证明什么。
以 ChatCrystal 为例,分别检查存储、Embedding、摘要、关系发现与 Agent 回忆的数据流,判断本地优先究竟控制了哪些边界。
在逐帧流式播放中,用 AudioContext suspend 和 resume 冻结或放行音频时间轴,让帧到达决定播放推进并维持严格音画同步。
解决 WebSocket、EventEmitter 和 DOM 监听器因回调变化而反复订阅的问题,并厘清 useRef 代理与 React 19.2 useEffectEvent 的边界。
多个请求同时收到 401 时,如何用单次刷新与等待队列避免 refresh token 轮换竞态,并确保刷新失败时所有请求都能正确结束。