#AI Agent
共 1093 篇相关文章
10个AI Agent全自动开发游戏：我一行代码都没写
一位创作者用约10个AI Agent并行全自动开发游戏，自己一行代码都没写，只负责描述需求。本文解析Agent灰盒迭代、过程文档化与Unity项目恢复能力等亮点。
决策模型Jev AI：7个用例让编码代理更快更省
Jev AI是一款专注做决策的AI模型，速度快、成本低。本文梳理它与Claude Code等编码代理结合的7个实战用例：上下文压缩、文档校验、技能选择、文件查找、代码审查、浏览器测试与规则守护，帮你的代理更快更省。
Anthropic 演讲解读：模型正在吞噬你的脚手架代码
Anthropic 在 Code with Claude 大会上提出核心观点：开发者去年手搓的脚手架正被模型吸收。本文解读工具路由、上下文管理、代码执行、计算机操作四大能力的变化，以及 Opus 4.7 原生 1440p 坐标、OS World 78% 等关键进展与 Claude Code 实用技巧。
单步99%准确的浏览器Agent，百步后为何只剩36%成功率？
BrowserBase工程师Derek Megan解析浏览器Agent生产化难题：单步99%成功率为何百步后只剩36%。本文拆解成本累积与价值终端实现的核心矛盾，并给出按事务衡量成功、允许重试、工具封装、技能约束关键路径等破局方法。
AI数字员工系统拆解：Agent工作流真能平替基础岗位吗？
一篇关于AI数字员工系统与Agent自动工作流的深度拆解，分析智能体、数字人、短视频矩阵、智能获客与AI员工等功能的真实能力与风险，帮你理性看待"一键平替岗位"的营销话术。
钉钉官方开源CLI：用一个dws把企业协作变成AI可编程工作台
钉钉官方开源命令行工具 dws，用一个统一入口串起企业协作能力，并针对 AI Agent 做了结构化 JSON、字段投影、OAuth 安全等深度适配，让智能体直接操作真实业务，形成从读取到执行的完整闭环。
Mac Computer Use：让AI Agent在Mac上真正动手的技能包
Mac Computer Use是一个开源技能包，让AI Agent在Mac上真正执行并验证操作。本文解析其观察-操作-验证三步闭环机制、安装权限配置、安全边界与兼容客户端。
AWS DevOps Agent 自动修复实战：从诊断到一键审批
AWS DevOps Agent 默认只诊断不动手。本文解析如何用 Lambda Durable Functions、EventBridge 和 Amazon Bedrock，将调查摘要转化为预验证修复方案，让值班工程师一键批准，兼顾效率与安全。
AI Agent的浪费从何而来：模型调用还是编排层？
AI Agent的成本浪费究竟来自模型调用还是编排层？开源工具KORA Doctor的实践发现，生产环境中最大的浪费往往是重复的工具数据抓取，而非重复推理。本文探讨从LLM成本优化到执行浪费的视角转变。
OWASP LLM Top 10（2026）：AI Agent安全防护全解析
基于OWASP LLM Top 10（2026）威胁地图，解析AI Agent面临的提示注入、数据泄露、代码执行与多智能体通信风险，并给出最小权限、分层防御、沙箱隔离等实用安全防护方案。
实战教程：用MCP Server在TongAgent平台搭建AI智能体
本文拆解如何在TongAgent平台通过MCP Server搭建AI智能体，涵盖LLM接入、AMAP MCP工具配置、模板组装、测试到发布上线的完整流程，帮助开发者快速落地可执行的AI Agent。
AI Agent自动审查Microsoft 365登录与MFA日志实测
一位安全工程师实测AI Agent自动审查Microsoft 365登录与MFA日志：Agent自主取证、对照官方文档并输出可操作建议。本文解析其工作流程及对安全运维岗位的影响。
Text2Dashboard：自然语言生成企业仪表盘的受控Agent架构
Text2Dashboard 是面向企业 DataBrain 平台的受控 Agent 架构原型，将自然语言请求转化为可审查的仪表盘。本文解析其模型提议与确定性执行分离的设计、只读SQL与Hooks机制，以及谨慎诚实的实验评估结果。
无人值守的AI Agent为何重复劳动？LangGraph的上下文陷阱
一位开发者分享LangGraph Agent无人值守运行时重做已完成节点的真实案例，剖析交互式会话与自主运行的根本差异，并给出通过主动收缩上下文解决该问题的实用方法。
AI客服有知识库还答错？RAG检索的真正难题在这里
AI客服有知识库仍会答错，根源在于RAG只做相似度检索，召回了不该用的内容。本文解析如何通过metadata标注、条件识别与冲突仲裁，让AI Agent在正确条件下只使用正确内容。
Agent Loop面试必考：与LLM单次调用的本质区别
Agent Loop是AI工程师面试的高频考点。本文从生命周期、工具、记忆、交付物四个维度，拆解Agent Loop与LLM单次API调用的本质区别，提供可直接复用的面试回答框架。
实测EvoX Agent：100个AI智能体群集协作如何把正确率从26%拉到71%
实测AI编程助手EvoX Agent：单个智能体正确率仅26%，群集协作却达71%。本文拆解其群集协作、自进化技能库与多模型自动切换三大特性，附完整安装设置、三种模式演示与100个智能体并行实验。
AI Agent 30分钟自动从18张CAD/PDF图纸生成BIM结构模型
YouTube频道Next Construct演示AI Agent仅用约30分钟，从18张CAD/PDF图纸自动在Revit中生成多层建筑BIM结构模型，涵盖桩基、承台、50根立柱及梁板系统，并通过MCP实现斜坡计算与自动开洞。
AI Agent真的提升效率了吗？一个来自Reddit的灵魂拷问
一条来自Reddit的热议帖用"车流中超速"比喻AI Agent的效率提升，引发关于生产力真实性的深度讨论。本文剖析AI智能体是否真的让我们更接近目标，还是只是制造了虚假的忙碌感。
用 Cognipeer Console 把 API 变成 MCP 服务器：面向 AI Agent 的工具暴露实战
通过 Cognipeer Console 把 OpenAPI 规范一键转化为 MCP 服务器，让 AI Agent 可发现、可调用你的 API。本文详解创建服务器、检视工具、发布 MCP Hub 目录与运行监控的完整工作流。