技术方向
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
568 条精选近 30 天 555 条共收录 2,928 条
AWS 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的端到端实操指南，用 Wordle 演示训练 gpt-oss-20b 在留出词上的解词率从 61% 提升到 84%。
能拿走一套多轮 RL 流水线，Agent 与奖励函数同文件部署到 AgentCore，数据集只放任务不放轨迹，奖励按结果主导加小幅 shaping；代价是训练 token 费用约 339 美元、AgentCore 另计约 79 美元，且训练中不能重新部署 agent。
Argus 发布 0.7.3，这是一个自托管系统，可在 VPS 上连续数天到数周运行 AI 智能体，并通过网页界面或 Telegram 查看和控制。每个项目有独立文件夹、模型、指令、记忆和预算，所有运行都经过同一个预算 governor 检查，/panic 可在五秒内停止全部任务。
可借鉴其预算 governor、Landlock 沙箱、/undo 与崩溃重试的设计，把无人值守 agent 跑在 VPS 上；代价是依赖 dsh 0.2.0-rc.2，尚无他人生产验证。
Databricks 用 Opus 4.8 在 22 个数据工程任务、每任务 12 份脏数据上对比过程式 PySpark 与 Spark Declarative Pipelines，共 528 次构建，声明式在 dry run 阶段拦下 55 个结构性错误，集群耗时从 596 executor-seconds 降到 17，约 34 倍。
同一 agent 跑 22 个任务各 12 份脏数据，对比过程式 PySpark 与声明式 SDP 的 dry run 拦截率、代码行数和 token 成本，可用来定数据管线的写法规范；代价是声明式前期 token 约 2.3 倍，且拦不住逻辑错误。
作者在从零构建 AI Agent 系列第二篇中为会话加上上下文压缩，在每次模型请求前估算 token，超过 --max-context-tokens 的 80%（默认 24000 预算下约 19200）时自动触发，也可用 \compact 手动触发。
能拿走一套上下文压缩的落地做法，按最近一条 user 消息切分、只摘要更早轮次、摘要以不可信数据块回填，并保留磁盘完整记录；代价是每次压缩多一次模型调用并计入会话开销。
Kimi 发布 K3.1 Pro 和 K3.1 Pro Highspeed，前者是 K3.1 系列首个模型，也是其迄今最强的 3T 级开源权重模型，上下文窗口 100 万 token，Highspeed 版本速度提升 2-3 倍。
可借鉴其大规模联合 RL 的分层优化思路（RL 框架、长上下文推理、沙箱、rollout 调度），以及训练阶段剔除网络安全数据来压制攻击能力的做法；前提是自建训练栈，代价是工程量大。
AWFlow 发文介绍其多智能体团队的协调运行时，用三种协作模式、交接地图和每线程硬预算避免循环、重复劳动和 token 账单膨胀。三种模式分别是 lead 规划派活的 lead routes、固定顺序传递结果的 pipeline，以及由人 @ 指定谁回答的 open table。
能拿走三套协作模式、按 handoff map 生成 delegate_to 工具、交接只传任务和上下文、先查预算再花钱、规则只收紧不放松、注入 runMember 便于测试；可落到软件工厂的多 agent 派单流程，代价是线程只在浏览器打开时运行，本地小模型建议从 pipeline 模式起步。
Bayer Crop Science 在 Amazon Bedrock AgentCore 上构建了 Agentic Decision Engine（ADE），用 supervisor 智能体把自然语言问题路由给 22 个领域专家智能体，第一阶段约 80% 的用户问题无需工程师介入即可解决。
可拿走五条落地做法：LangGraph 检查点写 DynamoDB、按 agent 收窄工具目录、OpenAPI 注册成 MCP 工具、稳定前缀做 prompt 缓存省 20–30% 输入 token、按任务而非 HTTP 状态做告警；前提是已有 AgentCore 与 IAM 体系。
Sonah 发布代码审查工具，读取 Claude Code 和 Codex 的会话记录，逐条核对提示词里的要求是否完成、agent 自行做了哪些决定、哪些结论与记录结果矛盾，再配合只读工具做代码审查。
能拿走的是把编码 agent 的会话记录当作审查输入，逐条核对提示词里的要求是否完成、agent 自行做了哪些决定、哪些结论与记录结果矛盾；代价是审查走自己的 Claude 登录、计入套餐用量，长会话一次可到 20 分钟、28.7M 输入 token。
Sidefleet 发布开源控制面与 worker，把多台已有电脑组成编码智能体集群，任务按仓库和空闲度派给最闲的机器。它复用各机器上已登录的 Claude Code 和 Codex，无需 API key，worker 只向控制面发起出站 HTTP 调用，不开端口。
可借鉴其控制面加 worker 的调度方式，把多台机器上的 Claude Code、Codex 按仓库和空闲度派活，任务各走独立 worktree 分支；代价是要自建 Postgres 控制面，且订阅账号的无人值守使用需自行核对条款。
作者用 deepseek-flash 对 GitHub 上 17 万星的 ponytail 规则做了小样本实测，三个任务合计代码从 227 行降到 110 行（-51%），completion token 从 28032 降到 9819（-65%）。
把 ponytail 规则全文塞进系统提示，用三个过度工程场景对比 bare 与 pony 两组，能直接照搬这套冒烟测试设计；代价是每组只跑一次、单模型，数字只看方向。
TanStack AI 发布 1.0，核心 API 转为稳定并可用于生产，同时推出实验性的 @tanstack/ai-harness。
可借鉴其 harness 设计：会话日志持久化、steer 与 follow-up 区分、审批中断跨重启恢复，用来替换单次 chat() 撑不起的长任务流程；代价是 harness 仍是 0.x 实验 API，内存持久化不跨主机恢复。
EverMind-AI 开源 Raven，定位为 Host Agent，可编排 Research、Code、Design、Oncall 四个内置智能体，并通过 ACP、CLI 或 OpenAI 兼容 API 接入 Claude Code、Codex 等 13 个预设第三方智能体。
可借鉴把 Agent loop 拆成 Memory/Planning/Capability/Action 四块分别替换评测，并用评测门控决定改动去留；代价是 Curator 仍属实验性、不在安装包内，性能数字均为项目自述。
10 月 22 日 Agentic AI Foundation 在 AGNTCon 上宣布接收 Agent Skills、Open Responses、OpenEnv、OpenSandbox 四个项目，Anthropic 捐出的 Agent Skills 由此进入 Linux Foundation 中立治理。
能拿走一份六项安装审计清单和 skill、MCP、沙箱三层信任边界划分，落到本地模型部署与知识沉淀线；前提是官方尚无版本化与 checksum，只能自己锁 commit 并记 hash。
AgentScope-Java 系列第四篇演示如何把 Agent 会话状态从默认的 JsonFileAgentStateStore 切到 RedisAgentStateStore，只需在 HarnessAgent.builder() 里加一行 .stateStore(store)，业务代码不用改。
能拿走 RedisAgentStateStore 的 builder 配置、key 结构设计和 compaction 两个参数，把本地 JSON 状态换成集中存储，代价是 Redis 客户端要自己建、改 keyPrefix 等于换库。
作者给出一套让 Claude Code、Codex、Cursor、Qoder、Trae、WorkBuddy 等 7 个 AI Agent 共享同一份 Skills 的方案，用一个 git 仓库作唯一实体层，其余 Agent 技能目录全部用 Windows Junction 指入，改一处全端生效。
用 git 仓库做唯一实体层、各 Agent 目录 Junction 指入，配正向建链、反向收编、每周体检三个脚本；代价是 Junction 存绝对路径，仓库一改名全机断链，Node 建链在占用目录会 EBUSY 需 PowerShell 兜底。
Warden 是一个开源的自主 AI 运维智能体，用确定性哨兵读取内核计数器和日志流（约 4 ms 一次检查）自行封禁攻击者，只在需要判断时才唤醒 LLM，安静服务器多数时候零 LLM 调用。
可借鉴其确定性哨兵加门控唤醒 LLM 的分层结构，把高频检测留在内核与日志流、只在异常时调模型，代价是要自己写触发器和只读分类器，且需从 observe 模式起步。
AutoVideoHub 把视频生产中最耗时的找素材环节自动化，输入文案后输出可精剪的粗剪片、素材包和分镜稿，不做文案生成也不替代精剪。链路分四段，LLM 把文案结构化成含语义、情绪、景别、主体的分镜 JSON，再映射成英文检索词，从 Pexels、Pixabay、Coverr、Mixkit 抓取免费商用素材，搜不到时用 AI 生成兜底。
能拿走四段可插拔链路和 CLIP 抽帧图文评分做素材筛选，落到视频产线；前提是自备 LLM 与素材 API，精剪仍要人工。
作者梳理 Chroma、RULER、Lost in the Middle、NoLiMa 等实验，指出长上下文衰减与任务难度无关、只与长度强相关，标称窗口不等于有效窗口。
能拿走一套上下文治理清单，压缩去噪、子代理隔离、按需检索、关键信息放首尾、约束钉在压缩外，落到软件工厂和知识沉淀两条线；代价是要自建长上下文召回回归测试，且压缩必须区分任务上下文与治理约束。
作者用 Python 3.13.5 纯标准库手写了一个 OpenAI 兼容 Chat Completions 形状的最小 tool calling Agent 循环，流程为 messages 调模型、执行 tool_calls、以 role=tool 带同一 tool_call_id 回灌、再调，直到没有工具调用或触达 max_rounds。
能拿走一套纯标准库的 tool-calling 循环骨架，含 FakeLLM 脚本复现多轮、arguments 先 json.loads、工具异常转 ERROR 字符串回灌、空 tool_calls 判结束，可换掉排障时被框架挡住看不清协议的做法，代价是并行工具、流式、重试都得自己补。
文章按九个场景拆解 KV 缓存，指出它把每步重算前缀的 O(N²) 压成线性，但每步注意力仍需遍历全部缓存，线性项不会消失。多轮对话与 Agent 场景下前缀任一字节改动都会让改动点之后的缓存失效，文中给出一个客服 Agent 因在系统提示词加一行时间戳导致首 token 延迟从 0.5 秒涨到 3-5 秒、月度账单近乎翻倍的案例。
能拿走三条纪律：系统提示词和工具定义冻结、动态信息追加到末尾、状态栏以 user 消息注入；落到本地模型部署和 Agent 产线，代价是改动越靠前失效越多，且各项优化节省不能相加，需端到端实测。