最近在搭建一个agent，初步架构是：对一条消息调用llm判断这句话里的信息是否有需要写入长期记忆的facts（主要是user喜好，生活习惯等），如果是则直接存入chormaDB作为长期事实，其余使用SQlite存储短期记忆，10轮总结一次上下文，进入长期记忆。在需要调取长期记忆的时候搜索3个语义最相关的记忆贴在提示词里，如果没有就贴3个最近的记忆。

下一步的优化想法是将长期记忆知识库化，让agent能够把长期有关使用者的长期记忆（喜好，习惯等等）构建一个知识库，与其他知识库一起可以在对话时调用。还有让ai学会定期整理长期记忆并使用llm判断人格应该会发生什么变化，然后写入人设，达到类似人格演化的效果；以及加入情感模型，让agent能有情绪变化。

想问问各位大佬，这样的架构方向可以吗？有什么相关的更好的项目可以学习？

还有我是使用glm和ds来辅助编程的，在几乎无法使用claude和gpt的情况下（主要是成本），有什么办法能提高模型编程的准确率？