賦予 AI 智能體記憶：遊戲開發中的自組織知識庫

為什麼我不再讓我的 AI 助理每天早上重新學習整個程式碼庫，而是為它建立了一個能夠自我管理的記憶庫。

需要服的問題

在游戲開發項目中整合 AI 助理最困難的部分不是模型本身，而是上下文。每次啟動，助手都要從零開始：重新閱讀程式碼庫，重新推導出某個功能的工作原理，最終得到的答案往往與昨天略有不同。與此同時，實際的知識分散在三個彼此矛盾的地方——每日提交記錄、代碼審查筆記和問題描述——而不懂 C# 的遊戲設計師仍然需要知道“這個功能涉及哪些方面，以及這個需求是否可行？”

- 閱讀剩餘部分 -

Giving an AI Agent a Memory: A Self-Curating Knowledge Base for Game Development

Why I stopped letting my AI assistant re-learn the whole codebase every morning — and built it a memory that curates itself.

The problem I kept hitting

- 閱讀剩餘部分 -

之前就有注意到這篇文章，大概就留個心思等使用 codex 時必須關注下這個議題

OpenAI Codex 遭爆正殺死你的 SSD：21 天寫入 37 TB，不到一年燒盡硬碟壽命

這個應該是因爲使用了 agent 處理日常任務造成的，看新聞說的是 websocket 的日志是 trace 都記錄了，如果是 coding 使用場景，應該不至於，查了下 gpt 説的是這樣的用法

watch -> trace -> backgroun task
類似 codex agent --loop

- 閱讀剩餘部分 -

開啓 codex 后詢問是否要匯入 claude 設定

- 閱讀剩餘部分 -

本章節要將情緒「分類」升級到「結構化輸出」

原本Stage 1 只回一個詞（喜悅）。Stage 2 要回一個 JSON 物件：

{
  "instruction": "分析以下文本的情緒，輸出 JSON：emotion（類別）、intensity（1-5）、trigger（觸發詞）、reasoning（分析過程）",
  "input": "他竟然在背後說我壞話，我真的快氣炸了",
  "output": {
    "emotion": "憤怒",
    "intensity": 4,
    "trigger": "背後說壞話",
    "reasoning": "「竟然」表示出乎意料的憤慨，「快氣炸了」是強烈憤怒的慣用表達"
  }
}

在這過程中要加入 COT，爲什麽呢？

- 閱讀剩餘部分 -