Jev 101
开始指南
搜索
中文 EN
智能体 大纲实验性——记忆文本和查询会发给 Jev；回答模型另外计费

智能体记忆控制

记忆的写入和检索决策交给 Jev，语言模型只负责回答（实验性）。

适用人群：构建带持久记忆、长期运行的智能体的开发者。步骤：写入时，用 Noul / Choice 问题判断记忆类型、是否重复以及与已有记忆的关系；读取时，判断该搜索哪些记忆视图、投入多少预算、保留哪些候选，以及证据是否足够；由代码强制执行上限，再把选出的证据交给回答模型。预期效果：记忆循环里的语言模型调用更少。

来源：https://github.com/libingzheren/Jev-Mem ↗ 文档 / 来源 ↗
1

复制提示词（保留英文原文效果最好）。

2

在代码里实现——调用 System One / Jev，由你的程序组合答案。

3

回答它的设置问题——大多数提示词会先采访你，然后进入固定节奏。

提示词

提示词 
# Agent memory control
State: the new observation or the query, plus short summaries of the related stored memories.
Ask: Choice for memory type and which memory view to search; Noul for redundant, related, keep candidate and evidence sufficient.
Then: code writes links, enforces traversal and budget limits, stops when the evidence is enough, and sends only the selected evidence to the answer model.

需要授权：locomolaya

它是怎么搭起来的

步骤（实验性）

  1. 保留原始观察记录，以及时间戳和来源。
  2. 写入时问 Jev 类型化问题（类型、是否重复、关系），读取时也问（路由、预算、候选、是否停止）。
  3. 由代码强制执行图遍历和检索上限，由另一个模型写出回答。

来源

此模式处于实验阶段。结果来自论文，只覆盖一个基准——请用你自己的智能体历史数据评估。

为什么它好用

把频繁的记忆决策移出生成循环

本案例收集自公开的 Jev 社区，版权归原作者所有。提示词属于参考资料：运行前请先审阅内容， 并且不要让机器人超出你实际授予的权限行事。