工程博客
Atom 记忆模型、MCP 与可复现基准测试——面向生产 Agent 的技术文章。
Common Knowledge：全平台共享常识记忆库
平台一次写入产品文档、运行手册与通用约定，所有团队默认在 search / recall / wake-up 中合并共享命中。客户只读，仅平台运营团队可写。
记忆修正：用版本化更新替代重复写入
PATCH /atoms/{atomId}、MCP memory_correct_atom、version 乐观并发、记忆库级自动修正开关，以及 R2 修订归档。
Engra 不是 Engram：与 arXiv:2606.09900 的区分说明
Engra（engra.ai）是 Artalaxies LLC 的生产级 Agent 记忆 SaaS。arXiv:2606.09900 中的开源 Engram 是另一项研究项目——问题域相近，模型与基准不同。
为什么结构化 Atom 优于固定分块 RAG
在 ENGRA-KB-v2（550 文档、400 查询）上，结构化 Atom Recall@10 达 75.3%，固定分块 RAG 为 54.8%——Library → Scope → Topic → Atom 如何改变检索。
如何选择 Engra 套餐：Starter、Growth、Pro 与 Enterprise
透明美元定价——何时留在 Starter、Memory 密集团队上 Growth、规模化用 Pro，或联系 Enterprise 定制配额。
L0–L3 唤醒栈：Agent 如何加载合适深度的记忆
L0 身份、L1 叙事、L2 主题召回、L3 深度搜索——何时 wake_up / recall / search，以及扁平 RAG 上下文为何浪费 token。
Library、Scope、Topic、Atom：随 Agent 规模扩展的记忆模型
四层回答「谁的记忆、哪个领域、哪个主题、哪条事实」——如何在多租户 Agent 中避免客户上下文混淆。
Memory MCP：五分钟接入 Cursor
Streamable HTTP MCP：库列表、搜索、召回、唤醒与写入；配合 SKILL.md 工作流用于生产 Agent。
记忆库配额说明：上传、存储、检索与预览
Engra 如何将 R2 存储成本映射为月度上传与 Atom 存储上限，以及检索、源文件预览配额如何对应 wake_up、search、recall。
Gateway 逻辑路由：一个 HTTP 入口，多个 Agent 后端
logic.json 如何按路径、方法与 Header 将请求路由到工作流、记忆库或外部 API——无需为每个新 Agent 重新部署 Gateway。
Gateway 生产部署：预发密钥、路由与上线流程
实操清单——按环境拆分 Gateway、在预发验证 logic.json、轮换 API Key、接入记忆库绑定后再导入客户流量。
生产环境 Agent Skills：唤醒、搜索、保存的可复用工作流
面向 Cursor 与 Claude Code 的 SKILL.md 模式——会话启动、主题召回、Atom 写入，以及跨工程师保持一致记忆的护栏。
在本地复现 ENGRA-KB-v2 基准测试
下载 JSON 套件、使用相同 embedder 与查询集，在迁移生产记忆库前对比结构化 Atom 与分块 RAG。