2026年2月25日 AgenC 开发日志： 截图：AgenC OS 中的 AgenC Grok 代理在沙盒环境中。编写代码、调试、安装所需内容，然后玩它创建的视频游戏。除了最初的任务外，没有任何提示。 提示："使用 tkinter 在 Python 中创建一个完整的贪吃蛇游戏。游戏应该有一个黑暗主题，发光的霓虹绿色蛇，得分跟踪，以及带有重启的游戏结束屏幕。将其启动在桌面上，以便我可以观看你构建和测试它。" 发布了 4 个 PR，将一个平面的 ReAct 循环转变为一个具有持久记忆、自我学习和可恢复工作流的分层代理系统。 → 语义记忆：基于向量的混合搜索，余弦 0.7 + BM25 0.3，带有近期重新排序，24 小时半衰期，贪婪地打包到 2000 令牌预算中。自动选择 Ollama/Cloud/Noop。零配置。 → 规划 + 压缩：系统提示规划指令，低风险，零执行者更改，80% 的收益。预算压缩而不是硬失败：总结较旧的消息，保留系统 + 摘要 + 最后 5 条，触发钩子以存储摘要，重试。 → 自我学习 + 自动截图：ChatExecutor 从 KV 中读取学习到的模式，置信度 >= 0.7，并按消息注入它们。桌面操作在 300 毫秒后自动捕获屏幕截图，合并到工具结果中，以便视觉 LLM 可以在没有额外回合的情况下看到结果。可选的响应评估者/批评者。 → 进度 + 管道：通过工具：after 钩子持久的进度条目在守护进程重启后仍然存在。PipelineExecutor 具有检查点/恢复、审批门和每步错误策略，放弃/跳过/重试。完全可序列化的检查点。 → 桌面查看器：聊天中嵌入的 noVNC 面板。当沙盒准备就绪时自动打开。分割布局，标题中有监视器切换。仅查看，具有自动连接、缩放调整和剪贴板权限。 统一模式：MemoryRetriever 接口，共享 KV 后端，基于钩子的副作用。每一层都可以独立切换。