Recoleta Item Note
Show HN: Residuum | Agentic AI with continuous context
Residuum 是一个个人 AI 代理框架，主打“无会话边界”的连续上下文，让同一个代理跨 CLI、Discord 和 webhook 持续共享记忆。它试图解决传统 agent 每次新会话都要重新建立上下文、以及定时主动检查浪费 token 的问题。
Summary
Residuum 是一个个人 AI 代理框架，主打“无会话边界”的连续上下文，让同一个代理跨 CLI、Discord 和 webhook 持续共享记忆。它试图解决传统 agent 每次新会话都要重新建立上下文、以及定时主动检查浪费 token 的问题。
Problem
- 现有 AI agent 框架通常以会话为单位工作，新对话会丢失连续上下文，用户需要反复重述历史。
- 依赖 RAG 或固定记忆文件只能部分弥补，因为模型仍把每次对话当作孤立事件；较旧上下文还要求代理先“猜到要检索”。
- 常见 proactive/heartbeat 机制会定期触发完整 LLM 调用来检查是否有任务，带来不必要的 token 成本。
Approach
- 用单代理、单连续线程替代会话式交互：把对话历史压缩成持续驻留上下文中的 observation log，而不是每次临时检索最近记忆。
- 对更早的历史细节，提供深度检索机制，结合 BM25 + 向量嵌入做混合搜索；近期工作记忆则直接保留在上下文中。
- 通过多渠道汇聚，将 CLI、Discord、webhooks 等消息统一接入同一个代理和同一份记忆，实现跨渠道连续对话。
- 用YAML pulse scheduling把定时/触发逻辑移出 LLM：用户定义检查内容、时间和通知去向，LLM 仅在到点时触发，并可用便宜模型执行。
- 系统采用file-first 与模块化设计，状态保存在可读文件中，兼容 OpenClaw skills，并支持多家模型提供商与故障切换。
Results
- 文本没有提供标准基准测试、公开数据集或正式实验指标，因此没有可核验的定量 SOTA 结果。
- 相比 OpenClaw，作者声称解决了其“两天左右上下文悬崖”问题：旧上下文不再主要依赖代理先猜测并搜索，而是通过持续 observation log 保持可用。
- 相比 OpenClaw 每 30 分钟触发一次完整 LLM heartbeat，Residuum 声称通过 YAML pulse scheduling 去掉了这类由 LLM 承担的调度逻辑，从而减少 token 浪费；但未给出节省比例。
- 相比 NanoClaw（文中称约 500 行 TypeScript、偏极简和容器隔离），Residuum强调自己的差异化能力包括持续记忆压缩、结构化主动调度、后台任务委派与模型分层、多渠道统一线程。
- 工程层面给出的具体事实包括：Rust 实现；支持 Linux（x86_64、aarch64）与 macOS Apple Silicon；要求 Rust 1.85+；支持 Anthropic、OpenAI、Google、Ollama，并内建 provider failover。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.