新闻、仓库与研究，按时间排列。
作者开源了 Tether，一个面向长时编码 Agent 的运行时，解决压缩后假完成问题：任务摘要和模型维护的计划放在永不裁剪的记忆层，每次压缩过 ROUGE-L 加关键词双校验，不达标就整条回滚。压缩率 22.5%，比不上 LLMLingua 类学习式压缩器的 10–20 倍；DeepSeek 端到端实测 20 任务 pass@1 80%，总 token 省 21%。还含三层记忆、三级文件漂移检测（stat → MD5 → AST）、10 种中断场景恢复、重复调用拦截、MCP 接入，150 个测试全离线可跑。作者明确列出局限：代码执行无沙箱，漂移测试集为自建，e2e 仅 20 任务样本差异在噪声内。
推荐理由：作者把每个设计取舍都配上了可复现的实验数字和明确局限，读者可以照着 benchmark 判断这套运行时是否值得试。
GitHub 项目 Knowlage_Base 正在开发中，目前仅支持文本输入：通过 Telegram 机器人提交内容后，4 个并行 LLM 阶段（基于 DeepSeek）生成标题、摘要、标签、实体、事实和关联笔记，输出 Obsidian 兼容的 Markdown，并用 sentence-transformers 嵌入向量存入 SQLite 与 ChromaDB。目标是扩展至数十万乃至百万级笔记，语音、PDF、链接、图片及 YouTube/TikTok 等输入尚在计划中。
DevZjQx 发布 oh-my-clm，一个可加载到 Pi 的精简 live-context 扩展，参考 Facebook Research context-language-models 把当前上下文镜像到普通文件、由模型自行整理的思路。扩展在 Pi 构建 projection 时把可编辑上下文镜像到 /tmp/clm-${sessionId}/LIVE_CTX_MAIN.md，模型可通过 cleanup 工具按 block ID 删除冗余内容或同 call rewrite 缩短 block；所有编辑采用 shrink-only 策略，不能严格缩短上下文的编辑会被拒绝。
推荐理由：README 把镜像协议、编辑校验和 Pi 与 DSH 两侧持久化语义差异讲得很完整，适合想自己做上下文管理的开发者参考实现思路。
eliothu2026 在 GitHub 开源代际记忆桥梁，在长辈口述时并行完成逻辑梳理、背景还原、记忆锚点可视化和追问建议。项目用合并队列解决亚秒级语音与 1-2 分钟单段分析的吞吐错配，状态存 SQLite 可断点续接，并用手写工具循环的考据 agent 调用维基检索核实史实；工程上已彻底移除 CrewAI，改为直连 DeepSeek + Pydantic。支持免 key 回放演示、本地 faster-whisper 语音转写与 0 依赖静态 HTML 演示。
xingzoudefengye 在 GitHub 发布 dsh-compaction-local-handoff，为 DeepSeek Harness（DSH）提供零模型调用的压缩后端，在上下文达到阈值时用本地确定性、有界的交接文档替代额外一次 LLM 摘要调用。触发阈值、逐字尾部保留、工具结果剪枝与 /compact 等行为继承自 dsh-compaction-basic；交接文本硬上限 6,000 字符并 redact 凭据，验证显示 compaction/summary 记录为 provider=local、model=local-handoff 且 11 毫秒完成，27 项测试全部通过。
推荐理由：它把压缩摘要从一次模型调用换成有界的本地拼装交接，并给出日志级验证和已知取舍，方法对上下文管理有可参考性。
kolawong 发布 fast-compaction-dsh，为 DeepSeek Harness（DSH）提供判定式上下文压缩，替代有损的摘要式压缩，移植自 tamaratran/fast-jev-compaction（MIT）。该插件用 jev-latest 对每个工具调用做 keep/truncate/drop 判定，保留内容逐字不变、绝不改写，用户与助手文本永不删除；失败时回退到内置 compaction-basic 摘要器。
推荐理由：原文给出完整的判定式压缩机制、默认参数和约700ms的实测往返耗时，可了解如何在不改写原文的前提下压缩上下文。
一项受控研究考察向寻址条件记忆事后注入知识的可行性，结合 GPT-2 对照实验与 Qwen3.8-Flash-Next-FP8、DeepSeek-V4.1-Flash 的生产记忆实验。GPT-2 各实验组均能复现 50 条训练补全，但自然问题目标串命中平均仅 5.3%（row-only）、28.7%（无锚定投影更新）、22.0%（有锚定），严格答案得分均为零。结果显示写入可行但有边界，首 token 排名提升不代表完整答案成功。
一位开发者发布了名为 Memory Journal 的便携记忆格式，以 .txt 技能卡片形式包装大型提示词，可在 AI 之间迁移上下文、技能、错误以及已验证或未验证的事实。测试中 DeepSeek 4.1（deep think 模式）和 Claude Sonnet 5（high effort）仅凭 journal 就在首次尝试中复现了 EGO engine XML 文件转换器。该格式分为 A/B/C 三个部分，供用户自定义指令，但哲学化内容可能导致行为与词汇漂移。