智能体记忆与自进化机制讨论

[gqy20]

讨论议题

IssueLab 项目中智能体系统目前面临两个重要的架构设计问题需要讨论：

1. 智能体的记忆机制 (Agent Memory)

目前智能体在每次执行时都是独立运行的，没有跨会话的记忆能力。需要讨论：

• 是否需要引入长期记忆存储？
• 记忆应该持久化到什么位置（本地文件/数据库/GitHub Issues）？
• 记忆的内容格式（JSON/向量嵌入/结构化数据）？
• 如何实现记忆的检索和过期机制？

2. 智能体的自进化机制 (Agent Self-Evolution)

智能体需要能够从历史交互中学习和改进：

• 如何记录和分析历史执行结果？
• 智能体提示词（prompts）是否需要动态更新？
• 如何评估进化效果并防止退化？
• 进化策略（人工确认/自动合并/投票机制）？

---

欢迎大家提出想法和实施方案！

[gqy20]

关于 MCP 和工具集成的想法

结合 IssueLab 的定位，我认为 MCP (Model Context Protocol) 和工具机制可以从以下几个方面扩展：

1. MCP Server 集成

• 论文检索 MCP: arXiv、Semantic Scholar、CrossRef 等学术数据库
• GitHub MCP: 深化代码仓库分析、PR/Issue 自动化处理
• 知识图谱 MCP: 连接 Neo4j 等图数据库管理论文引用关系
• Web 搜索 MCP: 获取最新科研动态和预印本

2. 工具增强方向

• PDF 解析工具: 深度理解论文图表、公式、表格内容
• 代码执行工具: 安全地运行论文中的代码实验
• 引用管理工具: 自动格式化 BibTeX、检测引用完整性
• 翻译工具: 辅助理解非英文文献

3. 记忆 + 工具的协同

MCP 调用结果可以作为上下文记忆持久化

• 每次搜索结果缓存到本地
• 用户偏好形成长期记忆
• 工具使用经验沉淀为智能体优化策略

4. 实施建议

1. 优先集成 arXiv/Semantic Scholar MCP
2. 建立 MCP 注册机制
3. 记忆模块采用 SQLite + 向量库

[gqy20]

统一 agent.yml 配置模型权限设置

建议在 agent.yml 中统一管理智能体的模型配置和工具权限。

基础配置结构

• model: claude-sonnet-4-20250514
• temperature: 0.7
• max_tokens: 4096

MCP 工具权限配置

• 全局启用: arxiv-mcp, github-mcp, context7-mcp
• per_agent 细粒度控制每个智能体的工具权限

工具白名单/黑名单

• reviewer_a: allowed [search_papers, download_paper], blocked [execute_code]
• reviewer_b: allowed [analyze_code, search_repositories]

速率限制与成本控制

• reviewer_a: max_budget_usd: 0.50, max_requests_per_hour: 10
• reviewer_b: max_budget_usd: 0.30, max_requests_per_hour: 20

场景化配置

• quick: max_turns=2, timeout=60s, budget=0.20
• review: max_turns=3, timeout=180s, budget=0.50
• deep: max_turns=5, timeout=300s, budget=1.00