現在的 AI 大腦再聰明，只要無法點選滑鼠、讀取資料庫、傳送郵件，就只是一個很會聊天的對象。MCP（Model Context Protocol）正在改變這件事。
目前的 CareerWise 能記住使用者的事實與偏好，但系統是被動儲存——使用者說了什麼就存什麼，不會主動調整自己的回應方式。這篇文章記錄我們怎麼讓 CareerWise 從使用者的回饋中持續學習。
過去的 AI 像上緊發條的玩具車，遇到沒看過的情況就卡住。現在的 AI 代理能自己回顧經驗、調整策略、甚至改寫自己的程式碼。這篇文章來看學習與適應的幾種模式。
CareerWise 原本沒有跨對話記憶。使用者隔天回來，系統不認得他。這篇文章記錄怎麼幫 CareerWise 加上語意記憶、情景記憶、記憶管理 UI，以及 session state 持久化。
預設情況下 AI 是無狀態的，每次對話都是全新的開始。本文探討 AI 記憶怎麼運作——從情境視窗、向量資料庫，到 Google ADK 和 Memory Bank。
評論家與審查者模式的概念很簡單：把「生成」和「驗證」兩個功能拆開。最近趁著升級 CareerWise 審查代理的機會，把原本只有單次檢查的架構改成了 review → rewrite 迭代迴圈。