PrimeAgentOrchestrator：面向个人AI基础设施的记忆预载智能体生成

大语言模型（LLM）编码智能体每次会话都从空的上下文窗口开始，丢弃先前工作中积累的知识。我们提出PrimeAgentOrchestrator（PAO），一个在生成Claude Code——Anthropic基于终端的编码智能体——的新实例时预加载相关记忆的系统，这些记忆从用户现有的个人数据库中汇编而来。在生成时刻，PAO并行查询两个独立运营的记忆后端（一个PostgreSQL实体-观察数据库和一个Cloudflare Worker语义搜索索引），使用后端专属的检索策略融合结果，并通过文件系统注入交付汇编好的简报，该注入利用宿主智能体的配置自动读取行为。PAO管理智能体的完整生命周期，包括信任预置、带错误检测的就绪轮询和自适应终端文本注入。我们以经验报告的形式汇报四个月的常规部署（2025年12月至2026年3月），记录了三代上下文传递机制、促使每次重新设计的失效模式，以及桥接异构记忆系统而非构建统一系统的工程权衡。