Google Cloud 团队总结评估 Agent 技能的五条规则,避免技能撑爆上下文窗口
Google Cloud 团队公开其评估 Agent 技能(SKILL.md)的五条工程规则,用于判断一个技能是否值得占用上下文 token。
五条规则可直接搬进 skill 评测流程,含 frontmatter 触发冲突检测、配对 WITH/WITHOUT 消融、评分维度正交防刷分;前提是得有容器沙箱和 CI,本地跑的数字不可信。
Google Cloud 团队公开其评估 Agent 技能(SKILL.md)的五条工程规则,用于判断一个技能是否值得占用上下文 token。
五条规则可直接搬进 skill 评测流程,含 frontmatter 触发冲突检测、配对 WITH/WITHOUT 消融、评分维度正交防刷分;前提是得有容器沙箱和 CI,本地跑的数字不可信。
AWS 与 EDB 联合发布教程,演示如何在 EDB Postgres AI 内用 AIDB 扩展构建语义知识库,让运行在 Amazon Bedrock AgentCore 上的 Strands Agents 智能体回答客户 360 问题。
把业务语义写进 Postgres 的 COMMENT ON 和视图注释,再用 create_semantic_kb 建向量索引,可替换独立的语义层或指标目录;代价是前期要逐列补注释,且多 KB 并存时每次检索都得显式传 kb_name。
作者在 Windows 上连接红米 K80,用 OpenRouter 加 DeepSeek 视觉模型驱动 Google 开源的 Android 移动 Agent Artemis,跑通山姆会员商店 App 里进商品、分享、生成图片、存相册的全流程。
能拿走 Windows 接红米真机、OpenRouter 配视觉模型、Flash 与 Pro 选型及山姆分享图 Prompt 模板,落到本地模型部署与软件工厂的真机自动化层,代价是控机模型必须支持图像输入,单次会话约 16 万 Token。
作者把 AI Coding Agent 的记忆底座迁到自建 OpenViking,用 99 元/年的阿里云 2核2G 实例跑通,本地只做存储检索、计算全交给外部 API。
能拿走一套 OpenViking 记忆底座的组件选型与配置,含 query_planner 单独指定、VLM 设 reasoning_effort low、向量模型锁 128K 多模态;落到本地模型部署与知识沉淀线,代价是 2G 机器要配 Swap 并限制容器内存。
MoEngage 用 Amazon Bedrock AgentCore Gateway 把约 400 个 VPC 私有 REST API 注册为权限受限的智能体工具,估算省下约六个月平台工程工作量,新 API 接入从数天缩短到数小时。
把 OpenAPI spec 当工具定义、用 Cedar 策略在序列化前按主体裁剪 tools/list、身份走 header 不进模型参数,这套做法能直接换掉每团队自建 MCP server 的方案,前提是接受平台组统一托管协议层。
Google 开源插件 elephant-goldfish-model(EGM),给 AI 编码助手加一道写代码前先定设计的工序,拆成持有项目上下文的起草者和零上下文审查者两个角色。
能拿走的是三技能流水线加零上下文审查子代理,把设计草案先过一遍再写码,落到软件工厂的需求澄清环节;代价是多三步时间,小 bug 修复反而拖慢。
文章整理六种让 Claude Code、Codex、Cursor、Gemini CLI 等 Agent 复用日常 Chrome 登录态的方案。
六种接管已登录 Chrome 的配置可直接抄,含 Playwright 扩展标签页分组和 DevTools MCP 的 --autoConnect 参数;代价是 Chrome 136 起默认目录不再接受远程调试参数,需 144+ 手动授权。
Browser Use 作者整理了让 Claude Code、Codex、Gemini CLI、Cursor 等编程智能体使用已登录 Chrome 的六种接法,包括浏览器扩展、远程调试端口、Chrome DevTools MCP、claude --chrome、Codex 与 Gemini CLI 的 MCP 接法以及 Manus 云端沙盒。
六种让智能体借用已登录 Chrome 的接法逐条对比,含 --remote-debugging-port 加独立 --user-data-dir 的具体启动参数和 MCP 三件套调用链,可落到本地调试与部署流水线;代价是默认全标签页可见、2FA 仍需人接管。