更大的上下文窗口是编程智能体的错误抽象

更大的上下文窗口虽然有用，但对于编程智能体而言，连续性比上下文更重要。文章区分了上下文和记忆，指出检索不足以解决问题，并介绍了Sigilix提出的记忆原生智能体方法，该方法通过持久可信的底层存储来继承先前的决定和修正，从而避免每次从零开始。文章还讨论了一个较小模型（Boreas）在记忆原生设置下如何胜过更强模型，以及记忆系统的潜在陷阱和设计原则。