<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Architecting Intelligence</title><link>https://blog.oklensuangoo.uk/zh/</link><description>Recent content on Architecting Intelligence</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sun, 14 Jun 2026 01:00:00 +0800</lastBuildDate><atom:link href="https://blog.oklensuangoo.uk/zh/index.xml" rel="self" type="application/rss+xml"/><item><title>你的 KV Cache，记得你删掉的上下文</title><link>https://blog.oklensuangoo.uk/zh/posts/kv-cache-remembers-deleted-context/</link><pubDate>Sun, 14 Jun 2026 01:00:00 +0800</pubDate><guid>https://blog.oklensuangoo.uk/zh/posts/kv-cache-remembers-deleted-context/</guid><description>免训练地复用 KV cache 的一个子集，往往比从保留文本重算更准。本文给出支配这一现象的变量（coverage）、背后的因果机制（下游注意力痕迹），以及它对 Agent 上下文压缩的直接启示。</description></item><item><title>浅谈Agent的Memory发展</title><link>https://blog.oklensuangoo.uk/zh/posts/agent-memory-evolution/</link><pubDate>Sun, 15 Mar 2026 17:47:02 +0800</pubDate><guid>https://blog.oklensuangoo.uk/zh/posts/agent-memory-evolution/</guid><description>&lt;p&gt;随着LLM的地位完成了从语言模型到Agent 大脑的转变，LLM愈发需要进行长期持久性的上下文管理，这对原有的RAG和memory技术形成了新的挑战，本文将从该角度出发，阐述最近memory管理的最新研究进展&lt;/p&gt;</description></item><item><title>About Me</title><link>https://blog.oklensuangoo.uk/zh/about/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.oklensuangoo.uk/zh/about/</guid><description>&lt;p&gt;你好！我是 Oklens，是一名资深大模型工程师。&lt;/p&gt;
&lt;p&gt;在这个博客中，我会记录和分享关于LLM架构与检索增强相关的学习新的。&lt;/p&gt;
&lt;p&gt;欢迎通过邮件与我交流探讨：&lt;a href="mailto:oklen@foxmail.com"&gt;oklen@foxmail.com&lt;/a&gt;&lt;/p&gt;</description></item></channel></rss>