AI Agent Builder：Memex 如何用 Super Agent 把记录变成记忆
很多人搜索 AI agent builder，并不是想要另一个聊天机器人。他们真正想要的是：AI 能接收输入、理解意图、调用工具、保留状态、从中断里恢复，并产出之后可以检查的结果。
这才是 building AI agents 最难的部分。一个 prompt 在 demo 里可以显得很聪明，但有用的 agent 必须让世界发生一点真实变化：记录被保存、卡片被创建、笔记被归档、提醒被准备好，或者一个 insight 被连接到更早的上下文。
Memex 是一个个人记忆应用，但它的开源架构很适合解释 how to build an AI agent。Memex 使用 Super Agent 作为用户面对的编排层。一条 capture 不是数据库里的一行，而是一次带身份、委派和结果验证的 agent turn。
试试 Super Agent 工作流
下载 Memex，把一条碎片记录变成结构化记忆
记录文字、照片和语音，让 Super Agent 协调卡片、知识、insight 和日程，同时保持主要记录本地优先。
What is an agent in AI?
最简单的 agent definition 是：AI agent 是一种软件，它接收输入，判断下一步，调用工具或执行动作，并更新某种环境或状态。intelligent agent in AI 不应该只看它回答得多长，而应该看它创造了什么可检查结果。
Chatbot 负责回答，agent 负责行动。当任务接触真实数据时，这个差异会变得很清楚：文件、记录、照片、日历、提醒、搜索索引、本地数据库，或者长时间运行的工作流。
- Goal：agent 要完成什么。
- Context：agent 知道当前任务和过去状态的哪些信息。
- Tools：agent 被允许执行哪些受限动作。
- Memory：当前对话结束后还能留下什么。
- Verification：系统如何知道工作真的完成了。
为什么很多 AI agent builder 仍然不完整
很多 AI agent builders 从看得见的部分开始：prompt 编辑器、模型选择器和工具集成列表。这足够做 demo，但不足以做可靠产品。
通常缺失的是运行层。任务状态归谁管？App 被关闭会怎样？worker 能否独立运行？同一条记录能否同时被 card、note、insight 和 schedule item 引用，而不会彼此漂移？
没有稳定身份、权限边界、任务委派和结果检查，AI agent builder 只是一个更漂亮的 tool calling 界面，而不是值得信任的系统。
Memex 的 Super Agent 模型
Memex 把 Super Agent 当作用户面对的统一心智。它不是什么都自己做，而是判断请求的每个部分该交给哪个专门 worker，再把结果合并回用户的时间线和知识系统。
对于一条新记录，关键动作是先有身份。系统可以为当前 capture turn 创建或复用 fact_id。这个 id 让同一条记录可以连接到 timeline card、PKM 条目、日程解释、insight 或未来的 memory work。
- Card Agent：把原始输入变成结构化时间线卡片。
- PKM Agent：把持久知识整理进本地知识系统。
- Insight Agent：从记录中寻找模式、总结和意义。
- Schedule Agent：处理未来事件、提醒和时间敏感记录。
- Research 或 Diagnosis Agent：在任务需要时做更深分析。
Memex Agent 流程
用户记录
-> Super Agent
-> 创建或复用 fact_id
-> 委派专门 worker
-> Card / PKM / Insight / Schedule / Research
-> 验证结果
-> 时间线 + 知识库 + 记忆如何构建能可靠创建记录的 AI agent
如果你在为真实用户数据 building AI agents，先从记录生命周期开始，而不是从模型开始。一条记录需要被生成、命名、丰富、存储、引用、回看，有时还要更新。agent architecture 应该围绕这个生命周期设计。
1. 先处理记录身份
每条持久记录都需要稳定身份。在 Memex 里，这个身份是 fact_id。Super Agent 可以在要求 worker 创建或更新内容之前，先拿到新记录 id。
2. 把编排和执行分开
orchestrator 判断要做什么，专门 worker 做边界清楚的工作。不要让一个巨大 prompt 同时分类、写入、安排日程、总结和验证所有事情。
3. 给每个 agent 窄工具
Card worker 不需要 schedule worker 的工具面。窄工具让 agent 行为更容易理解、测试和限制。
4. 让输出可验证
可靠 agent 不能只是说 saved。宿主系统应该检查 card 是否存在、fact_id 是否匹配、文件是否真的写入。
5. 保留任务状态
移动 App 会进后台，网络会失败，用户会关掉对话后再回来。foreground task tracking、resume metadata 和更清楚的 tool success message 会决定 agent 是否可靠。
6. 把 memory 当系统，而不是 chat history
长期记忆不应该只活在模型上下文窗口里。Memex 把持久记录保存为本地文件和结构化数据，再让 agent 围绕它生成卡片、知识条目、insight 和 summary。
Memex 内部的 AI agent architecture
Memex 的 agent architecture 结合了 orchestrator、worker agents、本地文件、tools、skills、persistent state 和 evals。它运行在 Flutter App 里，所以团队构建了 dart_agent_core，一个面向移动端和 local-first 应用的 Dart agent SDK。
近期 memex-lab/memex 的开源更新显示了这个架构的方向：更好的 subagent task content、图片附件处理、activity 状态、retry/resume metadata、更收紧的 tool success copy，以及 Super Agent turn 里的 pre-minted record id reminder。
这些不是最炫的功能，但它们区分了真实 AI agent tool 和漂亮 prototype。agent 需要足够状态继续工作，也需要足够证据解释自己做了什么。
开源 AI agents 应该可检查
Open source AI agents 的实际优势是：用户和开发者可以检查模型行为和应用行为之间的边界。你可以读 prompt、tools、权限规则、存储模型和 eval 方法，而不是相信黑盒承诺。
这对个人记忆尤其重要。日记 agent 会读取很私密的数据。local AI agent 仍然可以在用户配置时调用云模型，但记录、文件和工具边界应该保持可理解。
源码和社区
查看 Agent 系统，或和团队聊聊
阅读 Memex 开源应用、跟进 Super Agent 变化，或加入 Discord 讨论本地优先 agents、agent evals 和个人记忆工作流。
个人记忆应用里的 AI agent use cases
最好的 AI agent use cases 不一定很夸张。在个人记忆应用里，真正有用的场景往往安静，但每天反复发生。
- 一句短想法变成 timeline card 和持久知识笔记。
- 一张照片变成带上下文、地点和意义的可搜索生活记录。
- 一个未来计划变成内部日程解释或提醒动作。
- 一条会议记录变成摘要、后续任务和之后可搜索的引用。
- 一周零散 capture 变成关于压力、能量或关系的 insight。
Memex 和普通 AI agent builder 有什么不同？
| 系统 | 它做什么 | 缺少什么或差异在哪里 |
|---|---|---|
| 普通聊天机器人 | 回复用户 | 答案留在聊天历史里，很难成为长期结构 |
| 通用 AI agent builder | 把 prompt 连接到工具 | 工具调用可以工作，但状态、验证和长期记忆往往很薄 |
| Memex Super Agent | 把记录变成持久记忆 | 卡片、PKM 笔记、insight、日程和引用共享同一个记录身份 |
应该自建 AI agent，还是使用现成 agent builder？
如果你的工作流简单、云端化、容易验证，用现成 AI agent builder 就够了。如果你需要严格的数据所有权、本地存储、移动端运行、长期状态、专门 worker 或产品级验证，就需要自建 AI agent architecture。
这不是说每个团队都要复制 Memex。真正的经验是：严肃的 agent system 应该围绕它必须保护的东西设计。对 Memex 来说，这个东西是一个人的记忆。
源码和相关阅读
可以查看 Memex app repository、dart_agent_core、agent evals 和 agentic journal guide，了解这套架构在真实产品里如何工作。 memex-lab/memex · dart_agent_core · agent evals · agentic journal app
继续阅读 Agent 架构系列
常见问题
什么是 AI agent builder？
AI agent builder 是用来创建 agent 的系统，让 agent 可以使用上下文、工具、记忆、权限和执行状态来完成任务。
如何构建 AI agent？
先定义清楚任务，只给 agent 必要工具，保留任务状态，验证输出，并把编排和执行分开。
Memex 是 AI agent builder 吗？
Memex 是个人记忆应用，不是通用企业 agent builder。但它的开源架构包含真实 agent system：Super Agent、subagents、tools、skills、persistent state、evals 和 local-first records。
AI agents 可以本地运行吗？
可以。编排、工具、文件、状态和本地模型连接都可以在本地运行。Memex 将主要记录保持 local-first，模型推理取决于用户配置的 provider。