#AI Agent
32 篇文章
相关文章
- 6 min read OpenClaw
OpenClaw:开启 AI Agent 时代的超级个体与变现思考
深入解析 OpenClaw 的核心技术特性,探讨其在 AI Agent 时代的变现模式与超级个体的崛起。
- 15 min read AI Agent
LoopX 技术深度解析:为长程 AI Agent 构建可管理的本地控制面
深入解析 LoopX 的架构设计、能力边界与最佳实践:如何用 Goal、Gate、Todo、Evidence、Quota 六大控制面,把 AI Agent 从一次性聊天变成可管理、可复盘、可持续改进的数字员工。
- 5 min read 通俗易懂讲论文
Agensh 详解:1024 个智能体,没有中央调度
微软研究院无中央编排器的多智能体自组织框架:1024 个 worker 共享同一协作循环(收集上下文/认领子任务/行动/验证/合并),自发形成分工合作;ProgramBench 通过率从 19.31% 提升到 28.78%,pandoc 从 33.89% 提升到 55.06%。
- 8 min read 通俗易懂讲论文
AutoCompact 详解:让编码智能体自己决定何时压缩上下文
AutoCompact 训练编码智能体通过裁判审查 + SFT + RL 两阶段自主决定何时压缩上下文、保留什么工作状态、如何无缝衔接继续执行;SWE-bench Verified 提升 +9.2%,SWE-PolyBench +5.0%。
- 8 min read 通俗易懂讲论文
AutoGym 详解:从零生成完整的 RL 训练场
DAIR AI 蓝图先行 gym 自动生成框架:从领域种子出发,先定义有效解空间/环境要求/验证标准再生成环境,确保可解性内建;主动课程机制随模型能力自动调整难度;摆脱手工设计 + LLM 裁判不可靠的两大痛点。
- 6 min read 通俗易懂讲论文
CASD 详解:让智能体从日志自己总结规则
微软 CASD(Coding-Agent Skill Distillation):给编码智能体 + 整个语料库日志,让它自己写 Python 代码分析失败模式,一遍过蒸馏成行为规则;比 GEPA 提升 5.7 个百分点,成本便宜 22 倍($1.60 vs $35)。
- 8 min read 通俗易懂讲论文
CLM 详解:让模型自己编辑上下文
华盛顿大学+Meta+MIT 联合 2026 年 CLM(Context Language Models):把上下文当文件,让模型用代码编辑管理;Suffix Cache Reuse 节省 35% 计算;BrowseComp-Plus 准确率 +11.4%,小模型受益尤其明显。
- 5 min read 通俗易懂讲论文
Critical-State RL 详解:多轮工具调用,只训练那一次关键调用
Salesforce AI Research 用嵌套采样在多轮工具调用中找到真正的「关键调用」,只对那一轮做强化学习更新,BFCL v4 提升约 14 个百分点;训练所有轮次反而帮倒忙,因为大部分奖励变化是延续噪声。
- 6 min read 通俗易懂讲论文
JAZ 详解:一个原语撑起记忆和自我改进
MIT 2026 年 JAZ 极简智能体框架:整个框架只有一个 invoke 原语,所有能力(记忆/反思/工具)由大模型运行时自己涌现;比 MemGPT 召回率高 8%,成本降低 50%;从预设主义到涌现主义的框架哲学转变。
- 6 min read 通俗易懂讲论文
Jev-Mem 详解:把记忆决策从大模型手里拿走
Jev-Mem 用 System-One 轻量控制器专职管记忆,System-Two 大模型只在复杂推理时介入;LoCoMo 基准 LLM-as-Judge 得分 0.777(比最强基线高 11%),记忆构建速度 6.6 倍,延迟降低 36.7%。
- 11 min read 通俗易懂讲论文
ScientistTwo 详解:24 个 AI Agent 自主完成科研全流程
Google + 滑铁卢大学 ScientistTwo:24 个专业化 Agent 组成流水线,自主完成读论文/找问题/做实验/写论文/同行评审全流程;107 个研究问题上 80.4% 成功率,平均相对 SOTA 提升 25.2%,通过 Stanford Agentic Reviewer 评审。
- 9 min read 通俗易懂讲论文
Self-Organizing Agent Teams 详解:让 AI 团队自己改写协作策略
斯坦福/Emory/TogetherAI 论文:AI 团队用 15 道 AIME 题目自己学会改写角色/讨论阶段/信息流动,协作通过三步流程(回顾/改写/冻结);AIME 准确率 66.7%,比最强单成员(48.8%)高 18 分,比完美路由器高 7.7 分。
- 8 min read 通俗易懂讲论文
SkillGym 详解:把人类技能变成可验证的训练环境
SkillGym 把人类技能指南转成 2756 个带代码验证的训练环境(覆盖 12 个类别),让 AI 真正把技能内化到模型权重里;Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上从 2.1% 提升到 21.2%,不加载技能上下文也跑赢带技能的基座模型。
- 15 min read AI Agent
13 个 AI Agent 组成一支研发团队:System Prompt 配置与协作设计
把需求分析、架构、后端、前端、数据、测试、安全、代码审查、DevOps、AI 工程、文档和技术调研拆成 13 个专职 Agent,本文给出可直接复用的英文 System Prompt 配置,并剖析契约驱动、证据优先、有限自治三条设计原则。
- 13 min read AI Agent
Loop Engineering:Agent 循环工程化
演示时惊艳、自动化时崩溃,问题不在模型而在你还在手工 prompt。综合 Addy Osmani、LangChain 和开源项目 loop-engineering 的框架,拆解四大循环层次、六大基础设施、七个生产模式、安全红线与十大失败模式。
- 7 min read AI Agent
Jev 开源生态调研与复现手册
System One / Jev 的核心思想是让模型「做选择」而不是「生成文本」。本文梳理 JevLike、OpenJev、Laya、TypeSafe Snake、Jev Ultrafast 等 10 个开源项目的分层定位,给出三方模型对比、4 天复现路线和自建 Decision Runtime 的架构建议。
- 16 min read 多Agent
团队级多 Agent 工作流:怎么选,怎么验
选多 Agent 平台最容易犯的错,是拿 Agent 数量、架构复杂度和演示效果当标准。本文给一套可抄的选型框架:两个现成工作台先比、三个统一测试任务、八个验收门槛、四步决策规则,以及「单个被接受交付物成本」的算法。
- 7 min read AI Agent
NVIDIA OpenShell:Agent 的安全运行时
OpenShell 给自主 AI Agent 装了一层安全运行时:内核级隔离管文件/系统调用/网络,凭证只注入不暴露,权限变更还要过形式化验证。本文拆解它的架构、策略模型、部署形态,以及它在 Agent 安全版图里的位置。
- 14 min read LLM评测
DeepEval v4:把 LLM 评测变成断言
DeepEval 已经到 v4.3.2,定位从 RAG 指标库变成 Agent 评测 harness:三种 Eval Mode 把 LLM-as-Judge 拆成抽取、判定、打分、解释四段,DAG 让你自己定义分数映射。本文也记录了源码核查发现的一条缺陷——判决格式非法时会被移出分母,分数反而虚高。
- 15 min read AI Agent
按成功任务算 Token 成本
把 Agent 的 Token 优化口径从「每次调用」换成「每个成功任务」:区分 Token 数、API 费用与任务总成本三件事,给出 10 个最高 ROI 的习惯、9 项进阶技巧、团队级多 Agent 架构、指标体系与单次成功任务成本公式。
- 13 min read AI Agent
Agent Token 优化十层检查清单
把 Token 优化从原则变成可勾选的架构评审表:上下文、提示词、工具、编排、路由、输出、循环、可观测、缓存、失败修复十层,每层给出可验证的问法、常见反模式与判据,附六问审查与记忆分层实现。
- 13 min read AI Agent
Reasonix 缓存优先架构解读
拆解 Reasonix 的缓存优先架构:不可变前缀、只追加日志、易失草稿三段式上下文如何把前缀缓存命中做到 99.82%,工具调用修复的四道 pass,以及 flash-first 成本控制策略,附真实账单数据与迁移到自己 Agent 的做法。
- 13 min read AI Agent
AgentOps 实战:让 Agent 从能跑变成能管
Agent 上线后真正的难题才开始:可观测性、交互追踪、反馈闭环、人工接管这四件事怎么搭。给出一套最小 AgentOps 栈的四层结构与可直接抄的 Langfuse 代码,并纠正一个常见误解——成本随调用链增长是线性的,不是指数的。
- 15 min read LLM评测
评测的三层指标:模型好不等于系统好
把 AI 应用的评测拆成模型能力、任务完成度、业务价值三层,说明为什么只测第一层会得到「局部最优、全局崩盘」,并给出 RAG 场景端到端评测流水线:评测集怎么建、LLM 评委怎么设计、bad case 怎么分层看。
- 33 min read AI Agent
Agent Native 开发:为智能体设计工作环境
Ralph Loop 为什么有用又为什么危险,工作区即状态如何支撑长程任务,CI 门禁如何形成「阻止—修正—验证」闭环,以及为什么验证器的修改权不能交给被验证的一方。附 Stripe、Anthropic、StrongDM 三个一线案例。
- 34 min read 软件工程
软件质量保障:错误如何传播与暴露
从 Fault → Error → Failure 的三层传播链出发,看测试、断言、差分测试与模糊测试各自作用在哪一段:为什么覆盖率高不等于正确,为什么输入的区分力决定测试有效性,以及架构怎样决定错误能不能被便宜地看见。
- 33 min read 软件工程
从测试到证明:形式化验证能证明什么,不能证明什么
从第 11 讲的错误传播链走到第 12 讲的形式化验证地图:循环不变式、模型检查、证明助手与 Curry–Howard 对应各自能覆盖什么边界,以及「证了个寂寞」为什么是形式化世界里的 reward hacking。
- 16 min read AI Agent
删掉 90% 的 harness 之后
Google DeepMind 的 Philipp Schmid 每半年重建一次 coding agent harness,把 10–20 个专用工具删到只剩一个 bash。四个 harness 在 350 条任务上分数几乎相同,token 成本却差近一倍——选 harness 该看 token/task。
- 16 min read 软件工程
软件工厂的四个验证回路
Coding agent 让写代码变便宜之后,瓶颈转移到了 review。Sonar 的 Andrew Finch 用 defense in depth 拆出四个验证回路:PR 检查、部署后验证、维护扫描、知识沉淀,并指出真正决定自动化边界的是风险分级而非检查项数量。
- 25 min read AI Agent
上下文工程:指令、材料与完成的定义
上下文工程不是把提示词写得更漂亮,而是回答三个问题:指令从哪来、材料凭什么不能下命令、完成的定义由谁判定。这篇整理自南京大学《生成式软件工程》2026 秋第 2 讲(主讲:jyy),并把讲义里两道「可以逐项检查」的写作题写成可执行的断言,实跑验证藏头、嵌字与押韵到底哪些能自动判定。
- 10 min read LLM原理
从数数到采样:手写一个语言模型
不用任何框架,从二元组计数写出一个能自回归生成的「语言模型」,再把它的骨架逐层加厚成 Embedding → Linear → ReLU → 采样。这篇把 LLM 前向链路的每一层都落到能手算复核的数字上,顺带核对了讲义里一处已经过时的词表规模说法。
- 21 min read 软件工程
意图、规格与实现之间的缺口
一份被 AI 做出来的编程作业拿了满分,这份满分证明了谁的什么能力?这篇整理自南京大学《生成式软件工程》第 1 讲,讲透 Intent、Spec、Impl 之间的缺口,以及用「独立解码器」和「局部性」两个判据区分演示成功与需求实现。