技术方向
让 AI 连上外部软件和数据：MCP 协议、function calling 工具调用与各类工具集成。
176 条精选近 30 天 176 条共收录 702 条
作者给出一套在 TS 层自研的前端 Agent 编排引擎实现，覆盖 ReAct 图执行、工具注册、流式事件协议与生成式 UI。核心设计包括 AG-UI 风格事件类型、带 zod 校验和风险分级的 ToolRegistry、云端 deepseek-reasoner 与端侧 Qwen1.5-0.5B 混合规划，以及基于 IndexedDB 的检查点恢复。
能拿走一套 TS 自研前端 Agent 编排骨架，含事件协议、ToolRegistry 带 zod 校验与高危中断、ReAct 图与检查点，可落到软件工厂的智能后台和浏览器自动化；代价是 Planner 流式解析与恢复逻辑要自己补全。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
QuireKit 作者复盘其编辑器 AI-Native 方案，把插件各自注册工具改为自描述命令机制后，同一模型同一批 20 个任务的通过率从 48.3% 升到 98.3%，平均每个任务 1.1 次工具调用。
可拿走自描述命令机制，用 list/explain/call 三个固定工具替代逐功能注册，把编辑器命令用 defineCommand 包一层描述；代价是要统一命令定位方式并自建评测集盯通过率。
DaVinci Resolve 21.1 新增 AI Assistance，可通过 MCP 服务器让 Claude、Codex 等工具直接操作剪辑时间线，完成选条、跳剪、加标题和导出。
可复用其 MCP 接入 Resolve 的配置步骤与提示词结构，把选条、跳剪、标题、导出串成一条视频产线；前提是付费 Studio 21.1 加 Deepgram 词级时间戳，否则内置转写漏词会让剪辑点错位。
AWS 在 SageMaker AI 上用序列级知识蒸馏（SeqKD）把 GLM-5.3 教师生成的购物 Agent 轨迹蒸馏进 Qwen3.5-4B，在 ShoppingBench 324 道留出题上平均绝对成功率从基座的 0.297 升到 0.541，追平教师和中等规模前沿模型。
能拿走一套完整做法，用前沿模型采样轨迹加程序化打分筛出解出的样本，按步编码成 chat 格式做 SFT，再把 LoRA adapter 挂到同一端点。落到软件工厂和本地模型部署两条线，前提是任务本身在 4B 容量内，且要接受 IFEval 掉 6 到 8 分。
Eledone 开源 Murmur，让 Claude Code、Codex、Cursor、OpenCode、Copilot CLI 和 Gemini CLI 里的编码 agent 看到彼此在改什么文件、互相发消息，并在撞车时拦下一次编辑。
能拿走的是 who/send/btw 三个工具加自托管 hub 的跨用户 agent 通信方案，可落到软件工厂里替换多 checkout 并行改同一文件的撞车排查；代价是要自建 hub 服务器，且各编码工具支持度不一。
kaitoy 在 Show HN 发布 A2Flow，一个把 ITSM 式流程重建在 AI 智能体上的聊天驱动工作流引擎。流程以 Git 仓库中的 SKILL.md 形式存在，agent 先规划成带依赖的任务图并发布，运行中每个改变状态的 MCP 工具调用都要指定审批人在聊天里批准。
把流程写成 Git 里的 SKILL.md，agent 先出 DAG 再按依赖执行，破坏性工具调用前卡人工审批；代价是要自托管 PostgreSQL 和 Docker Compose，默认还得有 Google API key。
Deedglass 发布开源自托管工具，在 AI 智能体与数据库之间拦截每次工具调用，用规则决定放行或需人工批准，再读 Postgres 变更日志核对智能体自报结果并封存为可离线校验的签名记录。
能拿走的是规则放行、读 Postgres 变更日志核对、签名封存记录、人工会签后回滚这条链路，可接到数据库写入型 agent 的派单流程上；代价是 Proven 级只覆盖 Postgres，需开 wal_level=logical 和 REPLICA IDENTITY FULL，且挡不住持有合法 key 的越权调用。
Maat 是开源的 MCP 服务器与工具包，让 AI 智能体诊断 Ubuntu 系统，但把改机权限交给内核而非提示词。
能拿走的是把只读诊断和改机拆成两个进程、用 snap 的 AppArmor 与 polkit 在内核层兜底的做法，可换掉给 agent 一个 shell 的运维流程；代价是牺牲网络与 socket 视图，且只支持 .service 单元。
TinyContext 发布分步教程，讲如何给 AI Agent 加长期记忆：用一个本地 SQLite 存储加保存、召回、更新三类工具，再在 CLAUDE.md 或系统提示词里写明何时调用。
能拿走一套可复用的记忆方案，一个 SQLite 文件加 save/recall/update 三个工具，配 CLAUDE.md 五条指令或 60 行 Python；落到本地模型部署和知识沉淀两条线，代价是要模型工具调用稳定，且只适合几千到几万条事实。
NVIDIA 以 Apache 2.0 协议开源 Auto Ontology，这是一个从企业元数据生成语义层的框架，Agent 通过它按经过认证的业务定义编写 SQL。
能拿走一套从元数据生成语义层、再用 9 个只读 MCP 工具把 agent 的 SQL 限定在认证定义上的做法，可接到知识沉淀和软件工厂的数据查询链路上；代价是官方只报了本体创建时间缩短 90%，text-to-SQL 准确率要自己跑 auto-ontology-eval 才能判断。
Codedict 是一个不调用 AI 的本地代码索引工具，用 tree-sitter 解析项目并写入 SQLite，通过 Claude Code hook 把函数位置、调用方和调用链随问题一起交给模型。
用 tree-sitter 建本地 SQLite 索引，靠 Claude Code hook 把函数位置和调用链随问题一起喂进去，把 5 到 20 轮 grep 压到 1 到 2 轮；代价是每轮约 37k token 的固定开销砍不掉，模糊问题没有名字可搜。
Context Mode 是一个开源 MCP 服务器，通过沙箱工具把 Playwright 快照、GitHub issue、日志等原始数据挡在上下文窗口外，官方称 315 KB 可压缩到 5.4 KB、降幅 98%。
沙箱执行加 FTS5 索引能把工具原始输出挡在上下文外，官方给出 315KB 降到 5.4KB 和 17 个客户端的配置；代价是各平台 hook 能力不一，无 hook 的 IDE 只能靠规则文件约 60% 遵从率。
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。