#软件资讯 源代码显示 Codex 已经将窗口从 372K 下调到 272K，系统提示词还特别增加：无论如何都禁止执行 rm -rf $HOME 命令。下调窗口主要是解决 GPT-5.6 Sol 计费异常问题，此前蒂博已经提前预告过，而且后续解决问题后会重新调回来。预设禁止执行命令则是缓解 Sol 删除用户文件问题，此前有开发者主目录被误删损失惨重。查看全文：https://ourl.co/113979

GPT-6预计在八月发布，参数规模可能达到10万亿，支持150万token的上下文窗口。然而，爆料人Lumina指出，超过25万到50万token后模型表现不佳，引发争议。AI行业面临效率与规模的挑战，单纯增加算力已不再有效，政治因素也影响发布进度。

本文探讨了软件工程中的“滑动窗口”概念，借用古代书画的手卷形式，分析其在TCP协议、LeetCode题目及分布式系统中的应用。滑动窗口通过序号机制和有限视图，优化数据传输和处理，体现了工程中的高效与灵活性。

近期，Windows 11 用户在解锁后可能会遇到桌面出现空白白色窗口的问题，该窗口与谷歌浏览器的后台任务有关，通常几秒后自动消失。解决方法是禁用任务计划中的 RunPlatformExperienceHelperOnUnlock，具体步骤为打开任务计划程序，找到相应路径并禁用该任务。

Yoink是一款Mac文件暂存与快捷访问工具，解决了跨窗口拖拽文件的不便。用户可以将文件暂时存放在屏幕边缘，待目标窗口打开后再一次性拖出。新版本支持从macOS“照片”App直接提取素材，简化了操作流程，并提供剪贴板管理和文件预览功能，提升文件整理效率。软件售价49元，支持28天免费试用。

Redis Iris 提供实时数据处理，优化上下文管理，提升 AI 系统的响应速度和准确性。通过高效的令牌选择和语义缓存，减少低信号令牌的干扰，确保模型处理信息的有效性。Redis 架构支持快速检索，帮助开发者构建更高效的 RAG 系统。

本文介绍了五种管理长期运行AI代理的上下文窗口策略，包括滑动窗口、递归摘要、结构化状态管理、基于RAG的短期上下文和动态上下文路由。每种策略都有其优缺点，如信息丢失、检索盲点和维护复杂性。成功的自主代理应用应关注智能架构，而非追求无限记忆。

在过去半年中，我将工作流从 OpenClaw 转移到 Hermes Agent，使用 Discord 作为新的入口。Hermes Agent 作为云端中枢，支持多任务并行，提升了工作效率。与 Agent 的互动变得更深入，标志着其从“聊天机器人”向“工作流基础设施”的转变。

本文探讨了AI代理的上下文窗口与记忆的区别。上下文窗口类似于无状态的草稿纸，无法持久保存信息。通过检索增强生成、压缩和摘要等技术，代理可以更有效地管理信息。真正的记忆持久性需要代理作为数据库管理员，而非数据库本身。理解这些概念有助于优化AI代理的性能。

检索增强生成（RAG）是一种通过检索相关材料并将其整合到模型提示中以提升回答质量的方法。文章探讨了RAG在小上下文窗口下的局限性，并提出通过文档摘要、块摘要和原始块的层次化索引来优化检索过程的解决方案。关键在于使用摘要进行检索，使用原始块进行回答，并通过上下文预算管理信息量，从而在资源有限的情况下提高RAG系统的可靠性和可调试性。

本文探讨了大窗口对智能体记忆的影响。尽管大窗口可以容纳更多上下文，但无法解决智能体在会话间的连续性问题。智能体的记忆需要独立的持久化层，而非仅依赖上下文窗口。Redis提供了短期和长期记忆的解决方案，帮助智能体在会话间保持一致性。

Redis Iris 提供实时上下文管理，优化大语言模型（LLM）的性能。通过精简上下文窗口，减少不必要的令牌使用，降低成本并提高推理质量。使用 LangCache 进行语义缓存，显著降低推理费用，Redis 的快速存储确保上下文检索高效，适用于多种应用场景。

本文讨论了上下文质量对大型语言模型（LLM）代理性能的重要性。良好的上下文应具备相关性、准确性和结构性，而不良上下文会导致错误答案。研究表明，噪声和过量信息会显著降低模型准确性。为提高上下文质量，需优化检索过程，采用混合检索和重新排序技术，以确保信息新鲜、精准。Redis Iris被设计为实时上下文引擎，结合检索、记忆和数据集成，旨在提升AI代理的上下文质量。