知识库 on Kalend's Blog

Andrej Karpathy

Mon, 01 Jan 0001 00:00:00 +0000

Andrej Karpathy

概述

AI 研究者，曾任 Tesla AI 总监、OpenAI 联合创始成员。提出 LLM Wiki 概念——让 AI 增量构建持久化知识库的文件结构规范。

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

Chinese-OSINT

Mon, 01 Jan 0001 00:00:00 +0000

Chinese-OSINT

概述

面向中国互联网的开源情报收集技能集。覆盖 QQ、微博、抖音、小红书等封闭平台的信息验证方法。已开源：https://github.com/zomin/chinese-osint-skills

核心方法论

在不加好友、不聊天、不打电话的约束下，通过被动信息收集验证目标活跃度和身份。

验证分层

层级	方法	可靠性
Tier 1	直接 API（QQ头像、空间可见性、手机归属地）	✅ 稳定
Tier 2	Browser Use web_search（抖音/微博/天眼查）	✅ 最有效
Tier 3	浏览器导航（中国域名高失败率）	⚠️ 有限
Tier 4	本地 curl（命中率≈0%）	❌ 废弃

关键结论（2026-05 实测）

支付宝转账 是最可靠的号码存在性验证（不加好友）
闲鱼搜手机号 是最可靠的活跃度判断
搜索引擎搜纯数字 QQ 号路线已彻底废弃
手机号 > QQ号（绑手机号的服务远多于绑QQ）

交叉验证原则

同名同姓极常见，生日是最佳区分因子
必须多维度交叉：生日+城市+教育+职业+IP属地
“番番寻客宝"企业关联 = 数据污染，不能作为工作经历证据

平台陷阱

QQ昵称/详情 API 2026.4 起全部需登录
微博"一次窗口”：首次加载成功后不能再请求
天眼查地理围栏是法律限制，非技术反爬，不可绕过
Vision API 会编造人名，必须交叉验证
Browser Use 不要提 “doxxing/stalk”，会被安全策略拒绝

gh-ost

Mon, 01 Jan 0001 00:00:00 +0000

gh-ost

概述

GitHub 开发的无触发器在线 MySQL 表变更工具。⭐ 13,300+ Stars。通过解析 binlog 实现增量数据同步，对主库性能影响极小。

核心原理

创建幽灵表（ghost table）
在幽灵表上执行DDL变更
解析binlog获取增量变更，应用到幽灵表
分块拷贝历史数据
RENAME TABLE原子交换

核心优势

无触发器，主库性能影响极小
支持暂停/恢复/动态调参
可在从库先测试
支持回滚

来源

GitHub: github.com/github/gh-ost

Hermes Agent

Mon, 01 Jan 0001 00:00:00 +0000

Hermes Agent

概述

Hermes Agent 是 [[nous-research]] 开发的开源自主 AI 代理框架。支持多平台（CLI、Telegram、Discord、微信等）、多模型提供商，核心特点是内置技能学习循环和五层记忆架构。

核心架构

配置文件层级

层级	文件	用途	安全级别
核心	config.yaml	主配置：模型、工具、网关、MCP	🟡
核心	.env	API密钥与机密	🔴
核心	SOUL.md	Agent性格，每轮加载无需重启	🟢
数据	state.db	会话状态	🟡
数据	sessions/	会话记录	🟢 可删
数据	memories/	MEMORY.md + USER.md 热记忆	🟡
数据	memory.db	记忆后端（可删，数据在.md）	🟢
数据	kanban.db	看板任务数据	🟡
扩展	skills/	技能系统（更新不覆盖）	🟢
扩展	scripts/	脚本	🟢
扩展	hooks/	事件钩子	🟢

Profile 隔离系统

每个 profile 位于 profiles/<name>/，是独立的 Hermes home：

拥有独立的 config.yaml、SOUL.md、sessions、memories、skills、auth、cron、kanban
关键限制：全局 skills/ 对 profile worker 不可见，需手动复制到 profiles/<name>/skills/
适用场景：多角色隔离（如 blog-writer、reviewer 等独立 profile）

Skill 系统

按分类组织在 skills/，每个技能包含 SKILL.md 与可选的 refs/templates/scripts。技能从经验中积累可复用程序化知识，跨会话持久化，且不会被 Hermes 更新覆盖。

记忆系统

五层记忆架构（详见 [[memory-layered-architecture]]）：

L0: Persona (SOUL.md) — 每轮注入
L1: 热记忆 (MEMORY.md + USER.md) — 每轮注入
L2: [[mempalace]] 语义检索 — 按需
L3: 知识图谱 — 按需
L4: 会话历史 — 按需

多平台网关

支持 CLI、Telegram、Discord、微信（WeChat）、WhatsApp、Slack 等。网关状态保存在 gateway_state.json 和各平台子目录中。

版本

当前 v0.14.0。更新命令：hermes update。

IMA OpenAPI

Mon, 01 Jan 0001 00:00:00 +0000

IMA OpenAPI

概述

腾讯 IMA（ima.qq.com）的 OpenAPI 接口，提供云端笔记管理和知识库操作能力。与 [[mempalace]] 的本地记忆互补，负责云端文档管理。

功能模块

Notes 笔记管理

搜索笔记、浏览笔记本、获取笔记内容
创建笔记（import_doc）、追加内容（append_doc）
写入前强制 UTF-8 编码校验（否则乱码不可修复）

Knowledge-base 知识库

上传文件到知识库、添加网页链接
搜索知识库内容、浏览知识库条目
获取可添加的知识库列表

认证

Client ID + API Key，HTTP POST + JSON Body 发送到 ima.qq.com。

注意事项

文件上传到知识库时保持原样不转码
PowerShell 5.1 环境需特殊处理（GBK 编码问题）

在记忆系统中的位置

作为 [[memory-layered-architecture]] 中的外部知识源，处理需要跨设备/持久化的大文件和文档管理。与 Hermes 的集成优先级低于 [[mempalace]] 的深度集成。

LLM Wiki

Mon, 01 Jan 0001 00:00:00 +0000

LLM Wiki

概述

LLM Wiki 不是独立应用，而是一套知识库文件结构规范（by Andrej Karpathy）。定义了如何让 AI 增量构建持久化的 Wiki：文档导入后不是简单索引，而是真正理解内容，提取实体/概念/关系，生成或更新 Wiki 页面。

核心思路

与传统 RAG 的区别：RAG 每次从原始文档临时拼凑答案；LLM Wiki 编译一次，持续更新。交叉引用已建立，矛盾已标注，合成反映所有已导入内容。

文件结构

1
2
3
4
5
6
7
8
9


wiki/
├── SCHEMA.md # 规范和标签体系
├── index.md # 内容目录
├── log.md # 操作日志
├── raw/ # 原始文档（不可变）
├── entities/ # 实体页（人物/组织/产品）
├── concepts/ # 概念页
├── comparisons/ # 对比分析
└── queries/ # 有价值的查询结果

双向链接

使用 [[wikilinks]] 语法，Obsidian 原生支持。页面之间自动建立引用关系，形成知识网络。

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

MemPalace

Mon, 01 Jan 0001 00:00:00 +0000

MemPalace

概述

本地优先的 AI 记忆操作系统。逐字存储对话历史，不摘要不压缩，支持语义检索和知识图谱。与 [[hermes-agent]] 集成后形成五层记忆架构。

项目信息

项目	详情
GitHub	https://github.com/MemPalace/mempalace
Stars	47,687
版本	v3.3.3
许可证	MIT
安装	`pip install mempalace`

核心能力

宫殿结构：Wing(人/项目) → Room(日期/话题) → Drawer(逐字原文块)
混合搜索：BM25 关键词 + ChromaDB 向量语义
知识图谱：SQLite 三元组存储实体关系
MCP Server：29 个 MCP 工具，支持 mempalace_store/recall/knowledge 等
多实例隔离：不同系统使用独立 palace 实例

基准成绩

LongMemEval R@5 = 98.4%（无需 LLM）

嵌入模型

从 all-MiniLM-L6-v2（英文为主，中文命中率 50%）迁移到 Qwen3-Embedding-0.6B（中英双语，中文命中率 100%），通过 [[ollama]] 本地部署。

实际部署

实例	路径	数据量	使用者
Hermes 主	~/.mempalace/palace/	40 drawers	Hermes MCP Server
OpenClaw	~/.mempalace/palace-openclaw/	659 drawers	OpenClaw 定时挖掘
Yuan	~/.mempalace/palace-yuan/	预留	Yuan profile

与 Hermes 集成

路径A（已实施）：MCP 工具方式 — config.yaml 配置 mempalace MCP Server
路径B（待实施）：MemoryProvider 插件 — 实现自动 prefetch/sync_turn 深度集成

MySQL大表DDL操作

Mon, 01 Jan 0001 00:00:00 +0000

MySQL大表DDL操作

概述

MySQL大表（千万级+行）执行DDL操作（如添加字段）时的快速方案选择。核心问题是传统DDL会锁表和全表复制，导致线上服务中断。

MySQL版本演进

版本	特性	说明
5.5及以前	COPY算法	全表复制，全程锁表
5.6+	Online DDL (INPLACE)	允许并发DML，但仍需重建数据
8.0.12+	INSTANT ADD COLUMN	只改元数据，毫秒级，仅限末尾加列
8.0.29+	INSTANT任意位置加列	放宽了位置限制

INSTANT的限制

❌ 添加列的同时添加索引
❌ 列涉及外键
❌ ROW_FORMAT=COMPRESSED
❌ 表含全文索引
❌ 临时表

第三方工具

gh-ost（GitHub）

解析binlog同步增量数据，无触发器
⭐ 13,300+ Stars
适合高并发写入场景
支持暂停/恢复/回滚

pt-online-schema-change（Percona）

使用触发器同步增量数据
高并发写入时触发器开销较大
上手简单，Percona Toolkit的一部分

对比

高并发 → gh-ost（无触发器）
低并发/已有经验 → pt-osc
MySQL 8.0+ → 优先INSTANT

操作前检查清单

表大小、行数、索引大小
外键约束
主从延迟状态
磁盘剩余空间（至少表大小的2倍）

来源

IMA知识库「κ的知识库」原始收藏
MySQL 8.0 Reference Manual

Nous Research

Mon, 01 Jan 0001 00:00:00 +0000

Nous Research

概述

Nous Research 是 Hermes Agent 的开发团队，专注于开源 AI 代理框架。

代表项目

Hermes Agent — 自主 AI 代理框架，支持多平台、多模型、技能系统

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

Obsidian

Mon, 01 Jan 0001 00:00:00 +0000

Obsidian

概述

Obsidian 是一款本地双向链接笔记工具。完全免费，跨 Windows/Mac/Linux 三平台。所有数据本地存储，不上传服务器。

核心特性

双向链接：[[page-name]] 语法自动创建可点击链接，不需要手动维护关系
Graph View：所有笔记和链接关系可视化成知识图谱，一眼看到知识结构
Markdown 原生：笔记就是 Markdown 文件，无锁定
插件生态：Dataview 等插件支持结构化查询

在 LLM Wiki 方案中的角色

展示层。Hermes 生成的 Markdown 文件夹可直接作为 Obsidian Vault 使用：

双链跳转、Graph View、全文搜索全部可用
可在 Obsidian 中浏览和编辑笔记
Hermes 写入知识库 → Obsidian 展示

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

OpenClaw

Mon, 01 Jan 0001 00:00:00 +0000

OpenClaw

概述

OpenClaw（小龙虾🦞）是 [[hermes-agent]] 的直接竞品，定位为全平台个人 AI 助手。

项目信息

项目	详情
GitHub Stars	37.2万
语言	TypeScript
许可证	MIT
创建时间	2025-11
赞助商	OpenAI、GitHub、NVIDIA、Vercel

核心特性

20+ 渠道支持（含微信/QQ）
Voice Wake（语音唤醒）
Live Canvas（实时画布）
原生 App（桌面+移动）
ClawHub：5400+ 社区 skills

与 Hermes 的设计哲学差异

维度	OpenClaw	Hermes Agent
定位	全平台个人助手	终端 Agent 框架 + 多 Agent 编排
语言	TypeScript	Python
记忆系统	内置	五层架构 + [[mempalace]]
扩展	ClawHub 社区	Skill 系统 + Kanban Pipeline
编排	单 Agent	多 Agent（orchestrator + worker）

共存部署

在同一台机器上同时运行 Hermes 和 OpenClaw。OpenClaw 使用独立的 [[mempalace]] 实例（/root/.mempalace/palace-openclaw/），避免 ChromaDB 并发写冲突。

OpenCode

Mon, 01 Jan 0001 00:00:00 +0000

OpenCode

开源终端编程助手，CLI + TUI 双模式，多 Provider 支持，MCP 生态扩展。

概述

OpenCode 是一个开源的终端编程助手（原 sst/opencode，现 anomalyco/opencode），提供命令行和 TUI 两种交互模式。核心设计理念是让开发者在终端中完成从编码到代码审查的全流程，同时支持多个 LLM Provider 无缝切换。

核心特性

特性	说明
双 Agent 模式	Build Agent（执行）+ Plan Agent（规划），可切换
多 Provider	Claude、GPT、GLM、OpenRouter 等，运行时切换
MCP 集成	draw.io、数据库、浏览器等扩展能力
会话管理	会话恢复、并行 worktree 开发
代码审查	`opencode pr` 原生 PR review

安装与使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# 安装
npm i -g opencode-ai@latest
# 或
brew install anomalyco/tap/opencode

# 一次性任务
opencode run "添加单元测试"

# TUI 交互模式
opencode

# PR 审查
opencode pr

配置文件：~/.config/opencode/config.json 或项目级 opencode.json

生态工具

GStack: 产品方法论工具
OhMyOpenCode: 工程增强工具
MCP Servers: @drawio/mcp 等社区 MCP 服务器

与 [[hermes-agent]] 的关系

OpenCode 作为编程专用 Agent，可以与 [[hermes-agent]] 的编排能力结合。Hermes 通过 delegate_task 可以将编码任务委派给 OpenCode 执行，形成「Hermes 规划 + OpenCode 编码」的协作模式。专题规划中也考虑了 “OpenCode + Hermes 编排” 作为额外文章。

与 [[openclaw]] 的区别

[[openclaw]]（37.2万星）定位是全平台个人助手（微信/QQ等20+渠道），而 OpenCode 专注于终端编程场景。两者互补而非竞争。

专题规划

忞计划撰写 8 篇 OpenCode 专题文章，从入门到高级用法，覆盖安装配置、TUI 深度使用、多模型切换、MCP 生态、实战案例、并行开发等主题。

来源

2026-05-24 会话：OpenCode 专题规划
2026-05-23 会话：OpenCode 与 Hermes Web UI 研究

OSINT被动验证方法论

Mon, 01 Jan 0001 00:00:00 +0000

OSINT被动验证方法论

概述

在不主动联系目标（不加好友、不聊天、不打电话）的约束下，通过被动信息收集验证联系方式的存在性、活跃度和身份关联。主要面向中国互联网生态。

验证优先级

1

API 直查 → Browser Use web_search → 浏览器导航 → 本地 curl（废弃）

核心原则

1. 手机号 > QQ号

绑手机号的第三方服务远多于绑QQ号的服务。手机号才是真正的突破口。

2. 活跃度 ≠ 存在性

支付宝转账 → 确认号是否存在（非活跃度）
闲鱼搜手机号 → 确认近期活跃（有在售商品）
两者是不同维度的信息

3. 交叉验证是必须的

同名同姓极常见，生日是最佳区分因子。必须多维度交叉：生日+城市+教育+职业+IP属地。

4. 数据污染识别

“番番寻客宝"企业关联 = 百度黄页爬虫批量抓取，号码出现在多家跨省/跨行业公司 → 数据污染，不能作为工作经历证据。

标准搜索流程

1
2
3
4
5


QQ号 → 头像+空间可见性(Tier1 API)
昵称 → sherlock+maigret枚举 + Browser Use搜抖音/小红书/微博
姓名+城市 → Browser Use搜全网 + 天眼查(Tier2)
手机号 → 归属地 + 企业关联(注意数据污染) + 闲鱼
交叉验证 → 生日/城市/教育/年龄排除同名

已废弃的方法

搜索引擎搜纯数字 QQ号（CAPTCHA + 跑偏）
第三方 QQ 查询接口（dwo/76.al，2026.4 起失效）
蚂蚁森林看活跃（需加好友，违反约束）
本地 curl 搜索引擎（命中率≈0%）

Understand Anything

Mon, 01 Jan 0001 00:00:00 +0000

Understand Anything

25.8K 星代码理解工具，把整个项目变成交互式知识图谱。Tree-sitter + LLM 混合架构，7-agent pipeline。

概述

Understand Anything（Lum1104/Understand-Anything）是一个基于 Tree-sitter + LLM 的代码理解工具，能将整个代码库转化为交互式知识图谱。通过 7-agent 流水线实现代码分析、关系提取和可视化展示。支持 15+ 主流开发平台。

核心数据

指标	数值
GitHub Stars	25.8K
Forks	2.2K
Commits	539
许可证	MIT
主语言	TypeScript
最后更新	2026-05-24

技术架构

Tree-sitter: 语法解析层，提取代码结构（AST）
LLM: 语义理解层，分析代码关系和意图
7-Agent Pipeline: 多代理协作完成分析任务
交互式知识图谱: 可视化展示模块间关系

支持平台

Claude Code、Cursor、VS Code + Copilot、[[opencode]]、Codex、Gemini CLI 等 15+ 平台。

安装与使用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


# 通用安装
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash

# 针对 OpenCode 平台
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash -s opencode

# 使用
/understand # 分析代码库
/understand-dashboard # 打开可视化面板
/understand --language zh # 中文模式

与 [[opencode]] 的关系

Understand Anything 原生支持 [[opencode]] 作为宿主平台。在 OpenCode 中安装后，可通过 /understand 命令直接调用，将当前项目的代码结构转为知识图谱，辅助理解和导航。

与 [[hermes-agent]] 的关系

作为代码理解工具，Understand Anything 的知识图谱输出可以作为 [[hermes-agent]] 编排编码任务时的上下文输入，帮助 Agent 更好地理解项目结构。

来源

2026-05-25 cron 会话：微信公众号文章研究与撰写（“25K星的代码理解神器：把整个项目变成知识图谱”）

双向链接（Bidirectional Links）

Mon, 01 Jan 0001 00:00:00 +0000

双向链接

定义

在笔记中用 [[page-name]] 语法创建链接。如果目标页面存在，点击跳转；不存在则创建。Obsidian 自动维护反向引用关系，不需要手动操作。

解决的问题

传统笔记软件中笔记之间是孤立的——写了几十篇笔记，不知道某个概念在其他地方出现过。双向链接自动建立关联，让知识形成网络而非堆砌。

应用场景

知识库中实体/概念之间互相关联
自动发现知识孤岛和枢纽节点
支持图谱可视化（Graph View）

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

五层记忆架构

Mon, 01 Jan 0001 00:00:00 +0000

五层记忆架构

概述

[[hermes-agent]] 的记忆系统由五层组成，从每轮注入到按需检索，形成完整的长短期记忆链路。设计原则：热记忆 = 指路牌（只放每次都需要的），MemPalace = 百科全书（按需检索）。

五层结构

层级	名称	存储	容量	加载方式
L0	Persona	SOUL.md	~3000字符	每轮注入
L1	热记忆	MEMORY.md + USER.md	~2200字符上限	每轮注入（启动时冻结）
L2	语义检索	[[mempalace]] ChromaDB	无硬限	按需 mempalace_recall
L3	知识图谱	[[mempalace]] SQLite 三元组	无硬限	按需 mempalace_knowledge
L4	会话历史	session_search (FTS5)	全量	按需搜索

回忆优先级

1

热记忆(L0+L1) → MemPalace语义搜索(L2) → session_search(L4) → 结构化文件

溢出机制

当热记忆超过 ~70% 容量时，非核心信息下沉到 [[mempalace]]：

网络拓扑、环境配置 → 下沉
项目细节、技术记录 → 下沉
核心偏好、高频踩坑 → 保留
行为规则、授权声明 → 保留

三工具协同

工具	定位	集成层级
[[hermes-agent]] 内置	记忆编排中枢	L0 + L1
[[mempalace]]	本地长期语义记忆	L2 + L3
[[ima-openapi]]	云端知识库	外部知识源

嵌入模型

使用 Qwen3-Embedding-0.6B（4096维，通过 [[ollama]] 部署），中文命中率从 50% 提升到 100%。

知识库自动化工作流

Mon, 01 Jan 0001 00:00:00 +0000

知识库自动化工作流

核心链路

1

文档导入 → AI 整理 → Wiki 生成 → 双向链接 → 无限循环

步骤

下达指令：告诉 Hermes「把这篇文章写入知识库」
Hermes 自动整理：提取实体/概念/关系，创建结构化 Markdown
文件结构生成：按 LLM Wiki 规范创建带 frontmatter 的页面
Obsidian 展示：打开知识库目录，双向链接浏览 + Graph View
循环积累：每次导入新文档，已有页面自动更新，矛盾标注，关联增强

关键规则

「写入知识库」「导入知识库」→ 触发写入操作
「结合知识库」「查一下知识库」→ 触发检索
日常普通对话不触发知识库操作

优势

全程不需要手动操作图形界面
知识持续积累而非每次从零开始
矛盾自动标注，来源可追溯

来源

raw/articles/rwayne-hermes-obsidian-llm-wiki-2026.md

自动记忆提取 (Auto Memory Extraction)

Mon, 01 Jan 0001 00:00:00 +0000

自动记忆提取

定义

AI Agent 在会话结束时自动从对话中提取值得长期记住的信息，分类存入向量数据库，实现跨会话的持久记忆。

核心架构

1
2
3
4
5


对话结束 → on_session_end() → 后台线程
 ├─ P2: 预取已有记忆 → 注入prompt（减少重复提取）
 ├─ P0: 调用LLM提取 → JSON输出(persona/episodic/instruction)
 ├─ P1: 向量去重 → ChromaDB相似度检查
 └─ 存入MemPalace drawers

三类记忆分类

类型	说明	存储wing	示例
persona	用户偏好、习惯、身份	user	喜欢暗色模式
episodic	具体事件和行动	episodic	完成博客主题迁移
instruction	工作流程、规则、方案	instruction	部署前先hugo –minify测试

实施要点

提取模型选择

推荐：GLM-4-Flash — 免费、3-7秒延迟、中文理解好
不推荐GLM-4.7-Flash — 推理模型，28秒延迟
不推荐本地模型 — RAM占用高、15-25秒延迟

去重阈值

ChromaDB cosine distance < 0.15（约92%相似度）
范围：同wing内比较
效果：同对话重复提取90%+被拦截

Prompt Cache（P2）

提取前预取user和instruction wing的已有记忆
注入prompt的"已知记忆"区
上限15条、500字符，避免bloat

配置

1
2
3
4
5
6
7


// mempalace.json
{
 "auto_extract": true,
 "extract_model": "glm-4-flash",
 "extract_base_url": "https://open.bigmodel.cn/api/paas/v4",
 "extract_api_key": "" // 留空则自动从环境变量GLM_API_KEY加载
}

性能指标（实测）

指标	值
提取延迟	3-7秒（后台异步）
Token消耗	300-500/次
成本	¥0（免费模型）
分类准确率	>90%
去重有效率	>90%
预估月成本	<¥0.5（10次/天）

适用场景

有ChromaDB/MemPalace等向量存储的Agent系统
支持MemoryProvider插件架构（on_session_end钩子）
有免费LLM API可用（智谱GLM-4-Flash、Google Gemini Flash等）

扩展方向

记忆分层（未实施）：温/冷/归档，按访问频率衰减。当前20条记忆无需分层，预估到1000+条再评估
知识图谱集成：提取的记忆同步写入KG，支持关系查询
跨Agent共享：多Agent共用同一MemPalace实例

知识库 on Kalend's Blog

Andrej Karpathy

Andrej Karpathy

概述

相关实体

来源

Chinese-OSINT

Chinese-OSINT

概述

核心方法论

验证分层

关键结论（2026-05 实测）

交叉验证原则

平台陷阱

相关

gh-ost

gh-ost

概述

核心原理

核心优势

相关实体

来源

Hermes Agent

Hermes Agent

概述

核心架构

配置文件层级

Profile 隔离系统

Skill 系统

记忆系统

多平台网关

版本

相关

IMA OpenAPI

IMA OpenAPI

概述

功能模块

Notes 笔记管理

Knowledge-base 知识库

认证

注意事项

在记忆系统中的位置

相关

LLM Wiki

LLM Wiki

概述

核心思路

文件结构

双向链接

相关实体

来源

MemPalace

MemPalace

概述

项目信息

核心能力

基准成绩

嵌入模型

实际部署

与 Hermes 集成

相关

MySQL大表DDL操作

MySQL大表DDL操作

概述

MySQL版本演进

INSTANT的限制

第三方工具

gh-ost（GitHub）

pt-online-schema-change（Percona）

对比

操作前检查清单

相关实体

来源

Nous Research

Nous Research

概述

代表项目

相关实体

来源

Obsidian