2026年2月25日 AgenC 開發日誌： 截圖：AgenC Grok 代理在沙盒的 AgenC 作業系統中。編寫代碼、調試、安裝所需的內容，然後玩它創建的視頻遊戲。除了最初的任務外，沒有任何提示。 提示："使用 tkinter 在 Python 中創建一個完整的貪吃蛇遊戲。遊戲應該有黑暗主題，發光的霓虹綠蛇，得分追蹤，以及帶有重啟的遊戲結束畫面。將其啟動在桌面上，讓我可以觀看你構建和測試它。" 發佈了 4 個 PR，將平面的 ReAct 循環轉變為具有持久記憶、自我學習和可恢復工作流程的分層代理系統。 → 語義記憶：基於向量的混合搜索，餘弦 0.7 + BM25 0.3，並進行近期重新排序，24 小時半衰期，貪婪地壓縮到 2000 令牌預算內。自動選擇 Ollama/Cloud/Noop。零配置。 → 計劃 + 壓縮：系統提示計劃指令，低風險，零執行者變更，80% 的好處。預算壓縮而不是硬失敗：總結舊消息，保留系統 + 總結 + 最後 5 條，觸發鉤子以存儲總結，重試。 → 自我學習 + 自動截圖：ChatExecutor 從 KV 中讀取學習模式，信心 >= 0.7，並按消息注入它們。桌面操作在 300 毫秒後自動捕獲截圖，合併到工具結果中，以便視覺 LLM 可以在不額外回合的情況下看到結果。可選的回應評估者/批評者。 → 進度 + 管道：通過工具：after 鉤子持久的進度條目在守護進程重啟後仍然存在。PipelineExecutor 具有檢查點/恢復、批准閘和每步錯誤政策，放棄/跳過/重試。完全可序列化的檢查點。 → 桌面查看器：聊天中嵌入的 noVNC 面板。當沙盒準備好時自動打開。分割佈局，標題中有顯示器切換。僅查看，具有自動連接、縮放調整和剪貼簿權限。 統一模式：MemoryRetriever 接口，共享 KV 後端，鉤驅動的副作用。每一層都可以獨立切換。