摘要： Markdown是给人看的，JSON-LD是给机器“理解”的。 本文作者在构建AI Agent操作系统 Gliding Horse（流马） 时，将系统“语言”从Markdown全面迁移至JSON-LD + 图数据库，解决了三大痛点： 多Skill命名冲突 → 通过 @context 统一映射到IRI，实现语义互操作 长对话Token爆炸 → 只存摘要+IRI引用，详细数据存图库，Token消耗从O(n)降至O(1) 知识不可追溯 → 每个结论带 @id，可审计、可校验、可关联去重 适用场景：数十上百Skill、多Agent协作、需长期记忆和安全校验的复杂系统。 项目地址：https://github.com/doiito/gliding_horse 关键词：JSON-LD、Markdown、AI Agent、知识图谱、Token优化、语义互操作、Rust 阅读全文

摘要： AI Agent记不住长对话？本文借鉴CPU多级缓存架构（L1/L2/L3/内存），为AI记忆系统设计了一套四级存储方案： L1（LLM上下文）：只存摘要，Token消耗从O(n)降至O(1) L2（内存黑板）：多Agent共享图数据库，配合MESI协议保证一致性 L3（投影引擎）：按需换页，实现“无限记忆” L0（持久化知识库）：历史结论可追溯 实测收益：Token消耗降低90%+，多轮对话不“失忆”，多Agent协作无冲突，系统可持续运行数周。 项目 Gliding Horse（流马） 已用Rust完整实现，开源地址： https://github.com/doiito/gliding_horse 关键词：AI记忆系统、CPU缓存架构、多级缓存、AI Agent、Token优化、多Agent协作、图数据库、MESI协议 阅读全文