03 / PLANS
把远方拆成
可以抵达的
下一步。
这些规划围绕同一件事：把 kemo-agent 从一个持续生长的个人项目，推进为能够长期使用、不断扩展，并真正解决学习与协作问题的智能体基础设施。顺序会随着实践调整，但方向会保持清晰。
- 01
完善 kemo-agent 的核心能力
继续打磨记忆、上下文、工具调用、感知、拓展、任务与多用户隔离等基础模块，让系统的行为更稳定、边界更清楚、维护成本更可控。重点不是盲目堆叠功能，而是让每一项能力都能被验证、被理解，并在长期使用中可靠运行。
- 02
完成向量检索与知识图谱方向
把现有的知识图谱探索推进为可实际使用的检索能力：让文档、项目经验、个人知识和长期上下文不再只是分散文件，而能在合适的时机被准确找回、关联和引用。向量检索解决“找到相似信息”，知识图谱解决“理解信息之间的关系”；两者应当服务于真正可用的 Agent 记忆与 RAG 体验。
- 03
开发 kemo-agent 的 App 端
为 kemo-agent 建立更方便的移动端入口，让查看状态、接收消息、发起对话、处理任务和访问个人智能体不再受限于桌面浏览器。App 端不是简单复制网页，而要针对移动设备重新思考通知、轻量交互、会话连续性与安全边界，使它成为随时可用的个人智能助手入口。
- 04
建立在线插件与扩展生态
探索 kemo-agent 的在线插件机制：让经过清晰声明、校验与权限控制的能力可以被发现、安装、更新和管理。目标不是无边界地加载第三方代码，而是在安全、可审计和可维护的前提下，让更多工具、服务和硬件能力能够以模块化方式接入系统。
- 05
探索动态多智能体协同编排
从固定分工的子代理进一步走向动态协作：让不同能力、不同上下文和不同成本的智能体，能够根据任务自动选择角色、分配工作、交换结果并完成汇总。这个方向需要认真处理任务拆解、权限隔离、状态管理、失败恢复与结果校验，避免“看起来很多智能体在工作”，却没有真正提升可靠性。
- 06
建设面向学生的校级教学 Agent
尝试把这些基础能力带入校园学习场景，开发一个面向学生的教学 Agent。它应帮助学生理解课程内容、梳理学习路径、获得针对性的练习与反馈，也应帮助教师更好地组织资源与答疑。这个项目必须把教育价值放在前面：尊重隐私、避免替代独立思考、明确能力边界，并以真实的教学需求来验证它是否有用。
- 07
持续记录，也持续学习
继续推进 STM32 与 ESP32 的嵌入式学习，把 AI 软件系统和真实硬件世界连接起来；同时通过这个网站、文档与项目记录沉淀过程。规划不是一张必须按时打勾的清单，而是一条允许迭代的路线：持续学习、持续构建，并让每一次实践留下下一次可以借用的基础。