核心指数 记忆 5/5
主题中的 Memory 不等于保存聊天记录，而是多层生命周期治理。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：让系统记住少量长期有用事实，不是保存所有聊天。
专业释义：跨会话持久状态，需有写入准入、过期、权限隔离、检索注入和删除机制；不同于 session history 与 RAG 文档库。
当天检查：能判断哪些信息不该进入长期 memory。
参考脉络：OpenAI memory practices / agent personalization
通俗释义：回答前先去资料库取证据，再带着证据回答。
专业释义：Retrieval-Augmented Generation：通过 chunking、metadata、embedding/BM25/hybrid retrieval、rerank 和 citation 将外部知识注入上下文。
当天检查：能区分来源证据和模型推理。
参考脉络：DeepLearning.AI RAG / OpenAI retrieval guidance
通俗释义：稳定知识仓库，像工程手册；不是每次临时检索结果。
专业释义：可维护、可版本化、可引用的长期知识资产，常与 RAG 检索、Skill 流程化知识和 review 机制配合。
当天检查：能把一条经验沉淀成 wiki 条目、skill 和测试。
参考脉络：Engineering knowledge-base practice
通俗释义：把反复用的做事方法写成可复用操作手册。
专业释义：面向 agent/human 的程序化知识：触发条件、步骤、命令、坑点和验证方式，区别于事实型 memory。
当天检查：能把一次成功排错沉淀成可复用 Skill。
参考脉络：Hermes skills / 12-factor agents
通俗释义：把“概念定义”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：概念定义 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 概念定义，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“工程实现”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：工程实现 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 工程实现，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“失败模式”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：失败模式 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 失败模式，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“理解表达”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：理解表达 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 理解表达，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
主题中的 Memory 不等于保存聊天记录，而是多层生命周期治理。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
会话 → 摘要 → 长期事实 → Wiki/Skill → 检索注入
今天围绕“Memory 系统分层：Session / Memory / Wiki / Skill / RAG”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。主题中的 Memory 不等于保存聊天记录，而是多层生命周期治理。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我能围绕 Memory 系统分层：Session / Memory / Wiki / Skill / RAG 讲清楚工程目标、实现方式、指标和失败处理。
会话 → 摘要 → 长期事实 → Wiki/Skill → 检索注入
把 10 条信息分类到不同记忆层。
完成标准：能说明哪些信息绝不能进长期 memory。
多角色协作只有在边界清晰、可评估、可回归时才值得引入。