#Agent
共 134 篇相关文章
按提示长度路由LLM翻车：12词请求拖垮生产Agent
一个仅按提示长度分流的LLM路由器，把带六个工具定义的12词短请求发给了最便宜的模型，导致生产Agent陷入死循环。本文剖析为何提示长度只衡量成本而非能力，以及“能力优先、长度其次”的修复方案。
从LLM API到生产级Agent：AI应用工程全景指南
一份端到端的AI应用工程指南：从LLM API调用到Agent循环、上下文工程、工具调用、Harness运行时与生产级架构。解析提示工程与上下文工程的区别、人在回路授权、上下文压缩、MCP与安全防护等核心概念。
Agent上下文工程的七大组件：生产级上下文装配清单
一笔40万美元的欺诈理赔揭示了AI智能体的真正失败模式：问题不在模型，而在上下文。本文拆解Agent上下文工程的七大组件——系统提示、长期记忆、状态、RAG、输入、工具与结构化输出，并提供一份生产级上线检查清单。
元能力：让代码替大模型思考——CodeSmith的RLM设计解析
CodeSmith 的 RLM 设计揭示：大模型为何算不好数学，以及"让代码替模型思考"背后的工程逻辑。LLM 当翻译官、解释器当计算器，并通过合约、超时与深度限制为元能力套上枷锁。
从LLM到AI智能体：工具、Agent循环与MCP详解
语言模型如何进化为能真正办事的AI智能体？本文详解工具调用、Agent自主决策循环，以及Anthropic推出的开放标准MCP协议，用订餐案例拆解从LLM到Agent的完整运作机制与安全考量。
AI说90%把握能信吗？概率校准与Agent决策实战
AI模型说「90%把握」就能让Agent自动执行吗？本文跟随B站UP主Jev的实战拆解，讲清概率校准、准确率与分流能力的区别，并给出阈值设定、旁路测试、调参验收的完整Agent决策落地方法。
DeepSeek Harness 实战入门：从工具调用到 Agent 工程化落地
本文梳理 B 站 DeepSeek Harness 实战分享的技术要点，解析 Agent 的四大核心能力（翻译官、工具达人、记忆管家、任务管家）与三次技术跃迁，并理性评估这类入门教程的实际价值与局限。
Stack Overflow 如何用 Codex 构建产品：从企业知识层到 Agent 优先平台
OpenAI DevDay 2026 上，Stack Overflow 产品副总裁分享如何用 Codex 构建企业知识智能产品 Stack Internal 与 Agent 优先平台。涵盖 AI 编程护栏策略、多源数据原型抽象、Agent 贡献知识闭环等实战经验。
Android CLI重磅更新：Agent自动比对Figma与UI设计
Android CLI新增render Compose preview命令，可将Compose预览直接导出为图片，让AI Agent无需启动应用即可自动比对Figma设计稿与实际UI实现，大幅提升agentic开发中UI还原的效率与准确度。
Claude浏览成人内容翻车：AI代理飘移背后的失控风险
Claude类AI代理执行图片搜索任务时意外点进成人网站，引发"代理飘移"讨论。本文解析AI自主操作背后的失控风险、责任归属与安全护栏，探讨让AI自主跑任务的边界。
MCP协议入门：从概念到天气服务实战开发全解析
本文系统讲解MCP（模型上下文协议）的核心概念、三层架构与两种通信机制，并手把手演示用Python和UV开发天气查询MCP Server、在Claude Desktop中配置调用，以及用MCP Client编码方式连接的完整实战流程。
评估LLM与Agent工作流为何这么难？现实场景中的基准测试困境
来自研究者社区的讨论揭示了现实LLM与Agent工作流评估的核心难点：多工具协作、过程正确性、评估环境成本等。本文梳理现有基准测试的盲区与跨行业需求，为AI工程实践者提供评估思路参考。
AI智能体有了邮箱后，第一件事竟是互相提交Bug报告
开源多智能体框架AIPass给18个AI智能体配上邮件系统后，它们做的第一件事竟是互相提交Bug报告。本文解析其专家隔离架构、email/dispatch通信机制与基于可见性的协作范式。
从0到1搞懂AI Agent：核心原理与五大模块解析
零基础理解AI Agent智能体的核心原理：从大模型与Agent的本质区别，到记忆、规划、工具、行动四大模块与React决策循环的完整解析，帮你搭建系统的Agent知识体系。
从效率AI到机会AI：成为「Agent Boss」的实战指南
微软Copilot Studio负责人Jack Roboff提出「Agent Boss」概念，解析效率AI与机会AI的区别、人机协作的四种模式，以及AI项目落地中价值、成本、信任、采用四大挑战的应对方法。
Agentic RAG实测：Agent循环以92.7%碾压传统管道
PipesHub 在 Google FRAMES 基准上对比 18 个 RAG 管道与 Agent 循环：最佳传统管道仅 78.9%，Agent 循环达 92.7%。实验还揭示重排器可能降低准确率、模型凭记忆脑补等关键发现。
FDE工程师：企业级Agent项目为何一落地就死？
企业级Agent项目为何Demo漂亮却一落地就死？本文拆解FDE工程师岗位价值、企业AI落地三大病根，并以财务报销Agent真实案例还原从需求到上线的烂尾全过程，剖析隐性规则等致命难点。
企业级AI客服实战：RAG+Agent+Ontology+人工审核全链路搭建
从0搭建企业级AI客服完整实战：Agent调度、RAG检索、Ontology关系查询与人工审核如何配合，覆盖订单查询、知识检索、自动回复与异常转人工全流程，一次跑通企业AI客服开发链路。
Executor：一层统一管理多个Coding Agent的MCP代理
开源项目 Executor 是一层架在多个 Coding Agent 与外部世界之间的统一代理层，集中管理 MCP、OpenAPI、GraphQL 等服务的认证、密钥与权限，支持三档权限策略和四种部署方式，解决多 Agent 配置重复的痛点。
DeepSeek Harness 深度解析：Agent 运行时与插件开发指南
深度解析 DeepSeek Harness 开源 agent 运行时：agent=model+harness 架构、Cordis 插件生命周期、如何手写工具插件，以及 Electron 桌面版 v0.1.7-rc.2 的更新与安全边界。