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 -

之前使用 kimi 生成約200筆數據，這次將數據量提高到 500~800 筆，再次進行訓練、測試，結果如下

Macro F1 = 0.74(三輪:0.62 → 0.57 → 0.74)，Accuracy 0.76。

- 閱讀剩餘部分 -