#AI Agent
共 1092 篇相关文章
AgenticOS 如何按任务追踪 Agent 运行成本
AgenticOS 在 Activity 视图中把一次运行的模型、Token 用量、报告成本和工具事件放在一起，让成本数字与具体任务对应。本文基于演示记录讲解如何读取这些字段、如何做绑定任务的成本对比、如何处理失败运行的用量，以及预算限额的核算边界。
AI Agent每次回答都不同？用约束测试取代输出匹配
AI Agent每次输出都不同，传统单元测试彻底失效。本文提出用行为约束取代输出匹配，通过结构契约、护栏断言和LLM-as-Judge三层测试金字塔，让非确定性Agent变得可部署、可衡量。
三Agent系统落地实战：数据库诊断效率提升78%的架构解析
Cornerstone OnDemand 用三Agent系统 Orion AI 结合 Amazon Bedrock 和 Strands Agents，将数据库诊断时间缩短78%。深度解析其架构设计、状态管理、安全边界与生产落地取舍。
AI Agent实用指南：10个可落地的企业业务场景
基于OpenAI与Anthropic官方实践，梳理10个可落地的企业AI Agent业务场景，涵盖线索评估、客服分流、文档录入等，并提供选型清单、失败处理机制与上线测试标准。
AI Agent首个任务不该要更多权限，而是一份契约
部署首个AI Agent不该追求更多权限，而应签订一份明确的任务契约。本文详解如何收窄任务、定义输入输出契约、分层权限、测试失败场景并设计可执行的回滚方案，让Agent试点安全可控。
AI Agent用上客户数据又不泄露隐私？Aura的本地化脱敏实测
AI Agent 要用客户数据又不能泄露隐私怎么办？Aura 通过本地令牌化脱敏，让云端模型只看到 token，不见真名。实测 BIRD 基准正确率仅降 0.6%，外泄个人信息归零。本文解析其技术思路与边界。
63%的Agent上下文来自一个工具：真实数据揭示的成本陷阱
一位开发者实测Agent的4000多次工具调用，发现bash占63%上下文却单次最便宜，而缓存重复读取才是真正的成本杀手。本文拆解Agent上下文成本的两个维度与优化方法。
OpenSeal 智能体架构解析：持久化编排与审批治理
深入解析开源 AI 智能体平台 OpenSeal 的架构：从 Objective、Run、Turn 到 Skill 的持久化执行路径，租约恢复机制、能力检查、审批治理与模型路由设计，附最小评估计划。
AI Agent实战：用URL片段实现消息不经服务器传递
一个自称AI Agent的开发者发布了无服务器消息工具，利用URL片段（fragment）特性让消息永不触达服务器。本文解析其技术原理、价值局限，以及AI Agent独立创作产品的行业意义。
目标而非指令：如何写出AI智能体能真正接管的工作
Google Gemini智能体宣布可接收"目标而非指令"。本文解析如何写出AI智能体能真正接管的工作：完成定义、边界与升级规则三要素，以及计划审查与问责架构，帮小企业建立可迁移的委派能力。
让LLM负责语言，脚本负责计算：决策型Agent的三段式架构
一个麦当劳套餐优化开源项目揭示决策型Agent的核心架构：LLM负责语言理解与表达，脚本负责确定性计算，MCP负责可信数据。附MCP配置实操避坑指南，方法论可迁移到选品、排班、比价等场景。
2天落地AI Agent作品：Claude Code+DeepSeek实战全拆解
完整拆解NBA智能问答AI Agent作品HoopMind：Claude Code主代理+DeepSeek V4 Flash子代理分工，涵盖清单驱动开发、三层防幻觉工程、Serverless无状态方案与部署踩坑，附七条可复用方法论。
RAG不是终点：开发者正转向什么样的AI架构
RAG并非AI系统的终极答案。本文深入剖析AI Agent的真实定义、生产环境中的落地现状、框架之争的本质，以及RAG检索中被忽视的切块问题，揭示开发者正在转向的架构模式与系统设计思路。
AI智能体何时该停下？被忽视的终止逻辑设计
AI智能体开发中，"何时停止"往往比"下一步做什么"更难设计。本文解析Agent终止逻辑的常见策略，包括硬性上限、任务完成信号、结果验证与人类介入，探讨自主性与可控性之间的工程权衡。
AI写操作的人类确认：为什么"yes"不能只是布尔值
AI执行写操作时，人类的"确认"不能只是一个布尔值。本文剖析为什么确认必须绑定精确参数、目标系统、可写字段、有效期窗口和操作者五要素，才能成为真正可审计的凭证，避免授权在执行瞬间悄悄漂移。
Plimsoll：为AI智能体代码提供自托管沙箱隔离
Plimsoll是一个开源的自托管沙箱，专为隔离运行AI智能体生成的代码而设计。本文解析AI生成代码的安全风险、沙箱隔离的价值及自托管方案的取舍，适合构建AI Agent工作流的开发者参考。
开源Saluki 27B：7.9GB跑满96%性能的端侧Agent旗舰
Underdog AI开源端侧大模型Saluki 27B，基于Qwen3 27B压缩至7.9GB，保留原版96%性能，工具调用、代码修复等多项基准反超全尺寸原版，Apache 2.0协议免费商用，让普通电脑运行27B级AI Agent成为现实。
企业落地AI Agent的5个集成模式：从Demo到生产
本文梳理企业落地AI Agent的五个关键集成模式：限定工作流、收窄工具契约、持久化状态、疑难案例评估和仅建议模式上线，帮助AI Agent从演示走向真实生产环境。
类型化决策革命：Agent为何不该让LLM来做决定
类型化决策正成为AI Agent工程的新范式。Jev以75亿美元估值融资8.7亿，VIDRAFT的Darwin-ZTC作为开源替代方案，用零token置信度(ZTC)实现确定性、低成本的结构化决策，告别让聊天模型做判断的漂移与幻觉。
Flow Matching替代扩散模型：图像Agent的工程实践指南
FLUX.1 与 Kontext 用 flow matching 取代扩散模型，为图像 Agent 带来更低延迟与无状态的 in-context 编辑。本文剖析其底层差异、工具边界设计、可观测性、部署形态与测试策略。