Appointat Appointat

Appointat

蚂蚁集团 LLM 算法工程师。为阿福 app 做 LLM 记忆系统、RSI（自进化）的探索与实现，以及 LLM × 图计算。此前是 CAMEL-AI 核心维护者、DB-GPT GraphRAG 模块维护者。

关于记忆

Memory 不是存储，而是可被决策利用的外部状态。衡量它的不是存了多少历史，而是历史到当前决策的通道通不通。→ 几万字都讲不明白的 Memory 架构与思考
时间是一等维度。bi-temporal + time-sliced recall 把「何时为真」变成检索与聚合的硬约束，而不是一个元数据字段。→ 同上
参数化与非参数化记忆的分别，在于写入成本落在哪：训练时编进权重，还是在 commit 与 retrieve/inject 时付。后者的上限是接口带宽、检索聚合误差和 Policy 的学习。→ 参数化 Memory 漫谈
遗忘是要设计的特性，不是 bug。光学压缩（DeepSeek-OCR）暗示了一种记忆分层：旧上下文渐进缩小重渲染，体面地衰减。→ 用 8500 字解析 DeepSeek OCR 与记忆系统

关于智能体

快慢思考拆成两个模型：Thinker 负责规划，更便宜的 Actor 负责执行工具调用——2024 年做的，那时还没有 thinking 模型。→ Chat2Graph · 推理机
单主动多被动：一个 Leader 把任务拆成子任务 DAG 交给多个 Expert，支持递归拆解与错误回注，而不是扁平的群聊。→ Chat2Graph · Leader
Less structure：工作流应该被搜索和优化出来——在声明式配置上跑 MCTS、逐层做上下文工程——而不是手写 SOP。→ Chat2Graph · 工作流自动生成，我带的 OSPP 2025 项目
研究本身就是一个 agent loop：可证伪的假设 → 实验 → judge + verifier → 归因。失败的实验也是记忆，是下一轮假设的经验回放。

项目	角色
Chat2Graph — 图原生智能体系统	第一贡献者（commits 与代码行均第一）；OSPP 2025 导师
Apache GeaFlow (incubating) — 流式图计算引擎	贡献者——CASTS，一个 LLM 推理算子
DB-GPT — Agentic AI 数据助手	GraphRAG 模块维护者，2024
CAMEL-AI — 多智能体框架	核心维护者，2023–2024；主导 Mixture-of-Agents 设计
LeAgent	作者——2023 年的早期 RAG 聊天机器人，回答里带出处

几万字都讲不明白的 Memory 架构与思考 —— 记忆 = ledger → views → policy，时间是硬约束。AntData、OceanBase 转载。
参数化 Memory 漫谈 —— 参数化 vs 非参数化记忆。阿里技术转载。
用 8500 字解析 DeepSeek OCR 与记忆系统 —— 光学压缩作为记忆分层。OceanBase 转载。
Chat2Graph 设计文档：概览 · 记忆系统（DIKW 分层） · 推理机 · 工作流自动生成