AI Agent Builder：Memex 如何用 Super Agent 把記錄變成記憶
很多人搜尋 AI agent builder，並不是想要另一個聊天機器人。他們想要的是能接收輸入、理解意圖、使用工具、保留狀態、從中斷恢復，並產出之後可以檢查的結果。
這才是 building AI agents 最難的地方。prompt 在 demo 裡可以很聰明，但有用的 agent 必須讓世界產生真實變化：記錄被保存、卡片被建立、筆記被歸檔、提醒被準備好，或 insight 被連接到更早的上下文。
Memex 是個人記憶 App，但它的開源架構很適合解釋 how to build an AI agent。Memex 使用 Super Agent 作為面向使用者的編排層。一條 capture 不是資料庫中的一行，而是一次帶身份、委派和結果驗證的 agent turn。
試試 Super Agent 工作流
下載 Memex，把一條碎片記錄變成結構化記憶
記錄文字、照片和語音，讓 Super Agent 協調卡片、知識、insight 和行程，同時保持主要記錄本地優先。
What is an agent in AI?
最簡單的 agent definition 是：AI agent 是一種軟體，它接收輸入、判斷下一步、呼叫工具或執行動作，並更新某種環境或狀態。intelligent agent in AI 不應只看回答，而應看它創造了什麼可檢查結果。
Chatbot 負責回答，agent 負責行動。當任務接觸真實資料時，差異會變得清楚：檔案、記錄、照片、日曆、提醒、搜尋索引、本地資料庫或長時間工作流。
- Goal：agent 要完成什麼。
- Context：agent 知道目前任務和過去狀態的哪些資訊。
- Tools：agent 被允許執行哪些受限動作。
- Memory：目前對話結束後還能留下什麼。
- Verification：系統如何知道工作真的完成了。
為什麼很多 AI agent builder 仍然不完整
很多 AI agent builders 從看得見的部分開始：prompt 編輯器、模型選擇器和工具整合列表。這足夠做 demo，但不足以做可靠產品。
通常缺失的是執行層。任務狀態歸誰管？App 被關閉會怎樣？worker 能否獨立執行？同一條記錄能否同時被 card、note、insight 和 schedule item 引用，而不彼此漂移？
沒有穩定身份、權限邊界、任務委派和結果檢查，AI agent builder 只是更漂亮的 tool calling 介面，而不是值得信任的系統。
Memex 的 Super Agent 模型
Memex 把 Super Agent 當作使用者面前的統一心智。它不是什麼都自己做，而是判斷請求的每個部分該交給哪個專門 worker，再把結果合併回使用者的時間線和知識系統。
對於新記錄，關鍵是先有身份。系統可以為目前 capture turn 建立或復用 fact_id。這個 id 讓同一條記錄能連到 timeline card、PKM 條目、行程解釋、insight 或未來的 memory work。
- Card Agent：把原始輸入變成結構化時間線卡片。
- PKM Agent：把持久知識整理進本地知識系統。
- Insight Agent：從記錄中尋找模式、摘要和意義。
- Schedule Agent：處理未來事件、提醒和時間敏感記錄。
- Research 或 Diagnosis Agent：在任務需要時做更深分析。
Memex Agent 流程
使用者記錄
-> Super Agent
-> 建立或復用 fact_id
-> 委派專門 worker
-> Card / PKM / Insight / Schedule / Research
-> 驗證結果
-> 時間線 + 知識庫 + 記憶如何構建能可靠建立記錄的 AI agent
如果你在為真實使用者資料 building AI agents，先從記錄生命週期開始，而不是從模型開始。一條記錄需要被生成、命名、豐富、儲存、引用、回看，有時還要更新。agent architecture 應圍繞這個生命週期設計。
1. 先處理記錄身份
每條持久記錄都需要穩定身份。在 Memex 裡，這個身份是 fact_id。Super Agent 可以在要求 worker 建立或更新內容前，先拿到新記錄 id。
2. 把編排和執行分開
orchestrator 判斷要做什麼，專門 worker 做邊界清楚的工作。不要讓一個巨大 prompt 同時分類、寫入、安排行程、摘要和驗證所有事情。
3. 給每個 agent 窄工具
Card worker 不需要 schedule worker 的工具面。窄工具讓 agent 行為更容易理解、測試和限制。
4. 讓輸出可驗證
可靠 agent 不能只是說 saved。宿主系統應檢查 card 是否存在、fact_id 是否匹配、檔案是否真的寫入。
5. 保留任務狀態
移動 App 會進背景，網路會失敗，使用者會關掉對話後再回來。foreground task tracking、resume metadata 和更清楚的 tool success message 會決定 agent 是否可靠。
6. 把 memory 當系統，而不是 chat history
長期記憶不應只活在模型上下文視窗裡。Memex 把持久記錄保存為本地檔案和結構化資料，再讓 agent 圍繞它生成卡片、知識條目、insight 和 summary。
Memex 內部的 AI agent architecture
Memex 的 agent architecture 結合了 orchestrator、worker agents、本地檔案、tools、skills、persistent state 和 evals。它運行在 Flutter App 裡，所以團隊構建了 dart_agent_core，一個面向移動端和 local-first 應用的 Dart agent SDK。
近期 memex-lab/memex 的開源更新顯示了這個架構的方向：更好的 subagent task content、圖片附件處理、activity 狀態、retry/resume metadata、更收緊的 tool success copy，以及 Super Agent turn 裡的 pre-minted record id reminder。
這些不是最炫的功能，但它們區分了真實 AI agent tool 和漂亮 prototype。agent 需要足夠狀態繼續工作，也需要足夠證據解釋自己做了什麼。
開源 AI agents 應該可檢查
Open source AI agents 的實際優勢是：使用者和開發者可以檢查模型行為和應用行為之間的邊界。你可以讀 prompt、tools、權限規則、儲存模型和 eval 方法，而不是相信黑盒承諾。
這對個人記憶尤其重要。日記 agent 會讀取很私密的資料。local AI agent 仍可在使用者設定時呼叫雲端模型，但記錄、檔案和工具邊界應保持可理解。
原始碼和社群
查看 Agent 系統，或和團隊聊聊
閱讀 Memex 開源 App、跟進 Super Agent 變化，或加入 Discord 討論本地優先 agents、agent evals 和個人記憶工作流。
個人記憶 App 裡的 AI agent use cases
最好的 AI agent use cases 不一定很誇張。在個人記憶 App 裡，真正有用的場景往往安靜，但每天反覆發生。
- 一句短想法變成 timeline card 和持久知識筆記。
- 一張照片變成帶上下文、地點和意義的可搜尋生活記錄。
- 一個未來計畫變成內部行程解釋或提醒動作。
- 一條會議記錄變成摘要、後續任務和之後可搜尋的引用。
- 一週零散 capture 變成關於壓力、能量或關係的 insight。
Memex 和普通 AI agent builder 有什麼不同？
| 系統 | 它做什麼 | 缺少什麼或差異在哪裡 |
|---|---|---|
| 普通聊天機器人 | 回覆使用者 | 答案留在聊天歷史裡，很難成為長期結構 |
| 通用 AI agent builder | 把 prompt 連接到工具 | 工具呼叫可以工作，但狀態、驗證和長期記憶往往很薄 |
| Memex Super Agent | 把記錄變成持久記憶 | 卡片、PKM 筆記、insight、行程和引用共享同一個記錄身份 |
應該自建 AI agent，還是使用現成 agent builder？
如果你的工作流簡單、雲端化、容易驗證，用現成 AI agent builder 就夠了。如果你需要嚴格的資料所有權、本地儲存、移動端執行、長期狀態、專門 worker 或產品級驗證，就需要自建 AI agent architecture。
這不是說每個團隊都要複製 Memex。真正的經驗是：嚴肅的 agent system 應圍繞它必須保護的東西設計。對 Memex 來說，這個東西是一個人的記憶。
源碼和相關閱讀
可以查看 Memex app repository、dart_agent_core、agent evals 和 agentic journal guide，了解這套架構在真實產品裡如何工作。 memex-lab/memex · dart_agent_core · agent evals · agentic journal app
繼續閱讀 Agent 架構系列
常見問題
什麼是 AI agent builder？
AI agent builder 是用來建立 agent 的系統，讓 agent 可以使用上下文、工具、記憶、權限和執行狀態來完成任務。
如何構建 AI agent？
先定義清楚任務，只給 agent 必要工具，保留任務狀態，驗證輸出，並把編排和執行分開。
Memex 是 AI agent builder 嗎？
Memex 是個人記憶 App，不是通用企業 agent builder。但它的開源架構包含真實 agent system：Super Agent、subagents、tools、skills、persistent state、evals 和 local-first records。
AI agents 可以本地運行嗎？
可以。編排、工具、檔案、狀態和本地模型連接都可以在本地運行。Memex 將主要記錄保持 local-first，模型推理取決於使用者設定的 provider。