Genesis-Agent的人格化引擎

现阶段Agent的应用场景主要还集中在2B端，之所以2C端的应用还没有大行其道，一个主要的障碍就是Agent的人格化还无法通用的去实现，一方面，长期记忆的分层、写入、检索还没有成熟的解决方案。另一方面，更重要的是，如何识别“意外”输入信号，从而决策进行记忆检索并形成新的系统prompt是更基础的，就像人的 动物脑和语言脑的切换和激活机制一样。这一机制在AI领域还没有建立，我们认为这将是未来的所有Agent都需要具备的一项基本功能。因此本项目就旨在探索这样一种机制，并产品化一款可以embed入各类agent的引擎。