LLM 教学设计不合格怎么办：分层校验、局部重生成与并发质量漂移
作者复盘 AI 备课链路中 LLM 输出格式合法但业务不可用的问题，把失败拆成序列化、结构、业务三层，分别走定向重试、Schema 校验和局部重生成。文中给出 Pydantic 契约校验代码与多智能体状态机 YAML 配置，只回退出错节点而不重跑全链路。
借鉴点
能拿走三层失败分类、Pydantic 契约校验和状态机局部回退配置，落到软件工厂的生成链路；代价是业务层偏差仍需人工复核，并发上限得靠压测找质量拐点。
技术方向
Agent 智能体 最新动态
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
更新
精选归档 · 第 7 页
掘金精选AI 评分7171 掘金精选AI 评分7878 DeepSeek Harness 实测：两条命令装好，11 步写完 632 行代码，3 个测试全绿
作者在干净的 Ubuntu 22.04 上从零实测 DeepSeek Harness 0.2.1-rc.5，用 npx 或全局 npm 两条命令装好，让它写 Markdown 表格转 CSV 工具，1 轮 11 步产出 5 个文件、+678 行、合计 632 行代码，3 个测试 328 ms 全绿。
借鉴点能拿走 Node 22 门槛、npm 11 需 --allow-scripts 放行原生模块、headless 只认环境变量 Key 这三个坑，落到本地模型部署和软件工厂的 CI 环节，代价是预览版会有破坏性变更。
掘金精选AI 评分7575 沙箱核心功能系列 05：E2B、CubeSandbox、OpenSandbox、agent-sandbox 的 Agent 与进程执行 API 对比
作者源码级拆解 E2B、CubeSandbox、OpenSandbox、agent-sandbox 四家沙箱的 Agent 进程执行与文件 API，按位置通道、进程、文件、有状态代码、安全五个维度逐家对照。
借鉴点能拿走四家沙箱进程/文件 API 的逐项对照和自研清单，落到本地模型部署与 Agent 工具链选型；代价是要读源码级细节，且各家默认鉴权普遍偏弱，验收得盯默认路径。
Hacker News · AI 讨论精选AI 评分7878 MCPgraphy 发布 MCP 代理，从 agent 调用中学习工具在哪些状态下可用
MCPgraphy 发布一个插在 agent 与 MCP server 之间的代理，工具原样透传，它通过每次调用前后回读资源，从 agent 自己的调用中构建状态-工具行为图，在 warn 或 block 策略下提前警告或拦截已知会失败的调用。
借鉴点能拿走的是一层被动学习代理，从 agent 自己的调用里建状态-工具行为图，用 warn/block 两档策略拦下重复失败调用；落到本地模型部署和软件工厂的工具链上，代价是要为每个 server 手写 adapter 描述观测工具和 id 参数，且隐藏状态类失败它看不出来。
掘金精选AI 评分7171 LLM 当裁判可靠吗：规则满分盲区、抽检配比与位置/长度/自我偏好三大偏差
作者复盘自己跑的规则先行、LLM 兜底的评测流程，5 条样本里 3 条规则满分被直接放行，其中一条实际答非所问，说明规则只能验证动作做了没有、验证不了问题有没有解决。
借鉴点能拿走 only_on_rule_fail 的抽检配比改法，规则满分样本抽 5%、失败样本全审，成本只涨 7.5%；落到 Agent 评测线上，前提是接受裁判分数只做同裁判同批次的相对比较。
掘金精选AI 评分7272 LangGraph 实战第 5 讲：用 Function Calling 把交卷伪装成 tool 实现强制结构化输出
LangGraph 实战系列第 5 讲介绍让 LLM 稳定输出 JSON 的做法，即用 model.with_structured_output(Schema, method="function_calling") 把交卷伪装成一次 tool call，由 Pydantic schema 锁定字段、类型和枚举，返回类型化对象而无需手工解析。
借鉴点能拿走 with_structured_output 配 Pydantic schema 强制结构化输出的写法，落到知识沉淀和 Agent 派单链路上；代价是 schema 每轮占输入 token，DeepSeek 只能走 function_calling。
掘金精选AI 评分7878 browser-use 实战踩坑记录：CDP 混合启动方案与四层安全护栏
作者用 Python 3.12 加 browser-use v0.13.14 给本地 AI 中控接上浏览器能力，记录了三个致命坑及解法。启动竞态改用自己拉起 Chromium 开远程调试端口、轮询 CDP 就绪后再交给框架，Windows 后台子进程一律 DEVNULL 防管道死锁，代理需显式加 --proxy-bypass-list=127.0.0.1,localhost。
借鉴点能拿走 CDP-Connect 自拉 Chromium 再轮询端点、DEVNULL 防 Windows 管道死锁、代理 bypass 本地地址、验证码关键词兜底上限 2 次，落到本地模型部署与软件工厂的浏览器工具链，代价是单任务 1~3 分钟且需高指令跟随模型。
掘金精选AI 评分7575 用 Hermes Agent + Python 搭小红书 AI 资讯自动发布系统：50 天发 35 篇
作者用 Hermes Agent 加 9 个 Python 脚本搭出一条小红书 AI 资讯自动发布流水线，从 2026-09-14 跑到 2026-11-02 共发出 35 篇，失败 3 次且均为模型侧超时。
借鉴点可拿走 CDP 常驻 profile 保登录态、AX 树定位 shadow DOM 按钮、三级降级点击、三判据验收与幂等查重这套做法，落到内容发布产线；代价是登录态需人工维护、强依赖页面选择器。
掘金精选AI 评分7171 用 DSH 智能体加 DeepSeek V4.1 把一句话做成水浒 Unity 游戏
作者把 6 岁小朋友的一句「想玩水浒、能选好汉、打高俅」原样交给 DSH（DeepSeek Harness）智能体，配合 DeepSeek V4.1 在不到 3 小时内从空目录生成可玩的 Unity 游戏《水泊梁山 · 一百单八将》，代码已开源。
借鉴点可借鉴的是把 Unity 的 -batchmode、-runTests、-autotest、-shots 等命令行开关做成 Agent 自检回路，让它自己构建、截图、改错；代价是初始化顺序和材质缓存得自己管，且绑死 macOS 系统字体。
掘金精选AI 评分7575 WorkBuddy 如何组织专家与专家团
WorkBuddy 把专家做成插件目录包，用 init、validate、register、package 四个脚本完成创建与校验，人格正文经 ExpertPromptSlotCollector 填入 {{ PluginAgentPrompt }} 槽位并附 Role Override。
借鉴点能拿走专家包目录结构、四个校验脚本和团队工具协议，落到多 Agent 编排线上；代价是规范层与运行时提示词互相矛盾，需两边一起改一起测。
掘金精选AI 评分7575 糖糖写作作者复盘 LLM 应用架构：状态机加台账，260 章实测踩了五个坑
作者用 DeepSeek V4.1 Flash 搭了一套写长篇小说的 LLM 应用，分控制层 8 环节状态机、约束层 26 张按环节加载的规则卡、记忆层四本台账，连续推进 260 章约 70 多万字，返修率约 8%。
借鉴点能拿走三层架构（8 环节状态机、26 张按环节加载的规则卡、四本台账）和写回四约束、摘要固定字段拼装、裁剪顺序写死，落到小说创作与知识沉淀线；代价是短篇摊不平约 6 万字符固定开销，换题材要手动清台账。
掘金精选AI 评分7878 用静态安检门禁扫 browser-use 出 176 个 BLOCK，作者逐条复核后仍集成
作者用自写的 check_safety.py 对 browser-use 做只读静态扫描，421 个文本文件共 114348 行扫出 176 个 BLOCK、359 个 WARN，机器结论为 REJECT，但逐条复核后判定绝大多数命中是该框架的本职业务，最终有条件放行并接入使用。
借鉴点能拿走两套正则规则库和 wrap_external 打标函数，落到本地模型部署与知识沉淀的第三方代码准入环节；代价是 176 条命中仍需人工逐条复核，二进制文件正则扫不到。
掘金精选AI 评分7171 Impeccable 用 61 条无模型规则拦截编码 Agent 的模板化界面
Paul Bakaus 的 Impeccable 把编码 Agent 的界面同质化问题从提示词里拆出来，用 1 个技能、24 条命令和 61 条确定性检测规则在保存文件时做检查，命令行和浏览器扩展跑这些规则时不调用模型也不要 API key。
借鉴点可照搬它的分层做法，把产品事实写进 PRODUCT.md、视觉方向写进 DESIGN.md，再用 61 条不调模型的规则在保存时拦截模板化痕迹；代价是要按各家工具分别配置钩子落点，装错层会静默失效。
掘金精选AI 评分7171 开源 agent-senses：用 MCP 让 Claude Code 读懂抖音视频的四个坑
作者开源 agent-senses，把抖音链接转成含元数据、逐句转写和互动数的结构化对象，并封装成 MCP 服务供 Claude Code 调用。文中记录四个坑，最危险的是播放页会自动轮播下一条，DOM 兜底会静默填入别人的标题和作者，作者用 aweme_id 校验加文案前 15 字比对来防。
借鉴点能拿走 Playwright 挂 on_response 拦 detail 接口、按 aweme_id 校验加 DOM 前 15 字比对防串条、opencc t2s 后处理简繁混排，落到知识沉淀与本地工具链，代价是 cookie 加密绕行和分片 URL 时效签名必须立刻下载。
掘金精选AI 评分7878 Lightpanda 用 Zig 重写无头浏览器，内存降 16 倍、速度快 9 倍
Lightpanda 是一款用 Zig 从头编写的无头浏览器，官方数据显示相比无头 Chrome 内存占用从 2GB 降到 123MB、执行时间从 46s 降到 5s。
借鉴点能拿 Lightpanda 的 CLI fetch 转 Markdown/结构化数据、CDP 接 Playwright，替换无头 Chrome 跑抓取；代价是 Linux 二进制依赖 glibc，Alpine 需换镜像，Windows 只能走 WSL2。
掘金精选AI 评分7878 AI Agent 性能评估的 4 维 15 项指标与 200 行 Python 自动化评测方案
文章给出 AI Agent 的四维评估体系，涵盖结果交付、过程轨迹、性能成本、安全合规共 15 项指标，并附一套不到 200 行 Python 的本地自动化评测方案。
借鉴点能拿走一套可跑的评测骨架，入口函数返回工具轨迹与沙盒终态，配 test_cases.json 断言和 Pass^k 门禁，代价是要先改造 Agent 接口暴露 trace，软指标还得接 DeepEval 和裁判模型。
掘金精选AI 评分7474 Vercel Labs 开源 agent-desktop，用无障碍树让 AI 代理操作桌面应用
Vercel Labs 开源 Agent Desktop，让 AI 代理通过操作系统无障碍树读取并操作桌面应用，生成 JSON 快照并给每个可操作元素分配 ref 引用标识符，操作后再快照验证结果。
借鉴点能拿走的是 ref 加快照的桌面操作循环和骨架模式钻取稠密 UI 的做法，可接到本地模型部署与软件工厂的桌面自动化环节，代价是 macOS 要授辅助功能权限、ref 随快照过期需重拍、快照可能带私密内容。
掘金精选AI 评分7575 Agent 为什么总失忆：工作记忆、会话状态、长期记忆与 RAG 的生产实践
作者以虚构运维助手 OpsPilot 为例，把 Agent 记忆拆成工作记忆、会话状态、长期记忆和 RAG 四个盒子，并给出 TypeScript 的上下文组装与读写代码。
借鉴点能拿走四层记忆拆分、硬软区 Token 预算和 assemblePrompt 代码，落到知识沉淀与 Agent 产线，代价是要自己实现会话状态存储和记忆抽取接口。
掘金精选AI 评分7171 Anthropic 主张折叠 subagent、DeepSeek 主张加 Router，两篇 Agent 架构文章为何不矛盾
作者对比 Anthropic《When to fold subagents into your main agent loop》与 DeepSeek Harness 团队《Super-agent 设计探索》后认为两者并不矛盾，前者讲单任务内部把 subagent 折叠回单 loop 加 skills 和 tools，后者讲跨会话用常驻 Router 编排隔离的 Worker。
借鉴点能拿走的是把脚手架分成能力型和机械型两类，再按单任务内、跨任务两层决定拆还是建；落到软件工厂的 agent 编排上，前提是先有端到端 eval，否则折叠和加 Router 都只能凭感觉。
掘金精选AI 评分7878 作者亲测整理 8 个 GitHub Agent Skill 仓库及安装方式
作者整理并实测了 8 个 GitHub 上的 Agent Skill 仓库，覆盖约束 AI 写代码、设计审美、读懂老代码和 Obsidian 笔记库四类需求，逐一给出仓库地址、Skill 清单和安装命令。
借鉴点能直接抄走 8 个 Skill 仓库的安装命令和触发方式，落到软件工厂的编码约束与评审环节；代价是 star 数与 ponytail 的 53% 代码量、45% token 节省均为作者自述口径，无法复核。