-
吴恩达 Agentic AI 新课：手把手教你搭建 Agent 工作流，GPT-3.5 反杀 GPT-4 就顺手的事
文章详细介绍了吴恩达最新推出的 Agentic AI 课程，强调其核心在于将 Agentic 工作流开发沉淀为反思、工具、规划和协作四大设计模式。课程不仅教授如何让大模型像人类一样拆解复杂任务、反思结果、利用工具修正偏差，更首次强调评估与误差分析在智能体开发中的决定性作用。通过“分解-执行-评估-优化”的循环迭代，Agentic AI 能显著提升性能，甚至让 GPT-3.5 在特定编程任务中超越 …- 0
- 0
-
AI Agent 的「GPT 时刻」，Manus 炸醒整个 AI 圈！
文章介绍了 Monica.im 研发的全球首款 AI Agent 产品 Manus。Manus 强调直接交付最终结果的能力，通过模拟人类工作方式的多代理架构，在独立虚拟机中运行，可调用各类工具完成复杂任务。文章列举了 Manus 在旅行规划、股票分析、教育内容创建、保险政策比较以及 B2B 领域的应用案例，展示了其自主规划和执行任务的能力。Manus 像一个数字代理人或实习生，能根据用户需求进行自…- 0
- 0
-
当 AI 创业公司遇困境，能借“Agent 化”找到新出路吗？
文章探讨了 AI Agent 技术的发展现状和未来趋势。2023 年底斯坦福大学的 AI 实验项目引发了对 AI Agent 的期待，但一年后，许多产品仍停留在对话机器人阶段。2024 年，AI Agent 成为科技巨头竞争的新焦点，OpenAI、Anthropic、微软、谷歌等公司纷纷推出相关产品，国内大厂如百度、阿里、腾讯也积极布局。尽管 AI Agent 依赖 LLM 的“黑盒”特性，存在不…- 0
- 0
-
从第一性原理深度拆解 Claude Agent Skill
文章对 Claude Agent `Skills` 系统进行了深度解构，阐明其并非传统可执行代码，而是通过提示词扩展和上下文修改来增强大语言模型（LLM）能力的“元工具”架构。它详细阐述了`Skills`的生命周期，从文件解析、API 请求结构到 Claude 的决策过程，强调其决策完全基于 LLM 的自然语言理解，而非算法式的技能选择器。文章深入介绍了`SKILL.md`的构成（Frontmat…- 0
- 0
-
Agent 框架思考指南
本文分析了 Agent 框架，强调了在构建可靠的 Agent 系统中上下文控制的重要性。文章指出，Agent 系统由工作流和 Agent 组成，大多数框架都是 Agent 抽象。Agent 抽象简化了入门，但可能导致 LLM 上下文不够清晰。文章介绍了 LangGraph 作为一个支持高级抽象和低级功能的编排框架，兼顾了易用性与灵活性。文章还讨论了 Agent 框架的各个维度，包括工作流与 Age…- 0
- 0
-
Manus 创始人手把手拆解：如何系统性打造 AI Agent 的上下文工程？
文章由 Manus 联合创始人兼首席科学家 Peak 撰写，深入剖析了构建高性能 AI Agent 的上下文工程核心实践。作者首先解释了选择上下文工程而非从头训练模型的原因，强调其迭代速度快且能保持与底层模型正交性。随后，文章详细介绍了六个关键实践：首先，围绕 KV-Cache 设计以优化延迟和成本，通过保持提示前缀稳定、追加式上下文和明确标记缓存断点。其次，通过掩码而非移除的方式约束行为选择，避…- 0
- 0
-
独家对话 OpenAI 姚顺雨：生成新世界的系统
文章独家对话 OpenAI 研究员姚顺雨，深入探讨 AI Agent（智能体）的演进历程与未来趋势。姚顺雨从个人经历出发，阐述了其从计算机视觉转向语言模型，并最终专注于 Language Agent 研究的非共识路径。他强调语言作为实现泛化通用系统最本质的工具，并指出 GPT 模型在开放行为空间决策上的优势远超 BERT。文章详细梳理了 Agent 从符号主义 AI 到深度强化学习，再到大语言模型…- 0
- 0
-
AI 编码不是梦：手把手教你指挥 Agent 开发需求
本文深入探讨了 AI Agent 在后端开发实践中的应用，旨在通过可复刻的操作流程，指导开发者指挥 AI 完成编码任务。文章首先介绍了 AI 编码的准备工作，包括技术方案、工程结构和内部 AI 软件的使用（文中实践由其他内部 AI 软件进行，通义灵码等可作为替代工具）。核心内容围绕“分层拆解”展开，详细演示了如何利用 Prompt Rule 和 Agent 能力，逐步生成工程目录结构、应用层接口定…- 0
- 0
-
信息量很大！2025.10.2 硅谷内部关于 AI Agent 的讨论会实录
本文深度总结了硅谷一次关于 AI Agent 在生产环境中成功部署的关键因素的行业讨论会。会议指出，高达 95%的 AI Agent 部署失败并非模型智能不足，而是由于上下文工程、安全性、记忆设计等支撑体系的缺失。文章详细探讨了高级上下文工程的重要性，包括 LLM 特征选择、语义与元数据分层，以及处理 Text-to-SQL 挑战的方法。同时，强调了治理与信任在 Agent 落地中的核心地位，如溯…- 0
- 0
-
张涛首次回应争议，Manus 为什么没有被替代？｜清华校园行
文章记录了真格基金管理合伙人戴雨森与 Manus 联合创始人张涛在清华大学的深度对谈。张涛首次系统回应了围绕 Manus 的技术含量和营销方面的质疑。他详细阐述了 Manus 如何通过“Less structure， more intelligence”及“Zero Predefined Workflow”的核心技术理念，将任务决策能力完全交还给模型，使其在 Agent 基准测试中长期保持领先。他…- 0
- 0
-
【生成式人工智慧與機器學習導論 2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術
文章详细阐述了上下文工程（Context Engineering）这一概念，并将其与传统 Prompt Engineering 进行了对比，指出上下文工程更侧重于自动化和全面的输入管理。它强调语言模型本质是文本接龙，要获得理想输出，除了模型训练，优化输入（即上下文）至关重要。文章详细拆解了一个完整上下文的七大组成部分，包括用户 Prompt、系统 Prompt、对话历史、长期记忆、外部资料源（RA…- 0
- 0
-
Agent Skills 技术协议与开源实现，让大模型拥有“即插即用”技能
文章深入探讨了 Anthropic 近期发布的“Agent Skills”技术协议，旨在解决大模型在执行复杂任务时对领域专业知识模块化、可扩展注入的需求。该协议通过一套结构化的指令、脚本和资源文件夹，使得智能体能够动态发现并加载这些内容，从而在特定任务上表现更优。文章详细阐述了 Agent Skills 的架构，包括其文件夹结构、SKILL.md 文件格式，以及如何绑定附加内容和管理技能上下文。M…- 3
- 0
-
万字演讲：Dify 插件如何助力 AI Agent 应用开发？
文章详细介绍了 Dify 插件生态如何通过技术平权助力 AI Agent 应用开发。Dify 作为开源生成式 AI 应用开发平台，通过插件系统解决了开发者面临的工具调用、模型管理和应用构建等问题。文章分享了 Dify 插件生态的设计思路、技术架构实现细节(包括 Serverless 架构和反向调用等关键技术)以及 120 多个实际插件案例，展示了插件在 AI Agent 开发中的优势，包括降低开发…- 0
- 0
-
LangChain Agent 年度报告：输出质量仍是 Agent 最大障碍，客服、研究是最快落地场景
该报告深度剖析了 AI Agent 的最新落地应用情况，基于 LangChain 对 1300 名工程师、产品经理和企业高管的调查，揭示了 Agent 的六大关键结论。报告指出，Agent 已在生产环境中广泛应用（57%），尤其在大型企业中落地更快。客户服务和研究与数据分析是目前最热门的应用方向。然而，Agent 输出的质量和稳定性仍是商业化落地的最大障碍，而成本已不再是核心痛点。同时，Agent…- 0
- 0
-
Vol.55 Manus 没有秘密---70 页 PPT 解读 AI Agent
本期播客由庄明浩主讲，以 AI Agent 产品 Manus 为核心，深入探讨了 AI Agent 的相关话题。首先，回顾了作者之前关于 DeepSeek 的内容，指出当时对 AI Agent 的理解不够深入。随后，详细介绍了 Manus 的设计理念，即“一切工作为了让用户看见”，并分析了其技术实现原理，包括“less structure”和“more intelligence”。通过实际案例，展…- 0
- 0
-
拾象 AGI 观察：LLM 路线分化，AI 产品的非技术壁垒，Agent“保鲜窗口期”
本文作为拾象 AGI 观察季报，通过对硅谷大模型公司（如 OpenAI、Google Gemini、Anthropic、xAI 等）的访谈与分析，揭示了 LLM 路线从通用型向垂直领域分化的趋势，呈现出“横向全家桶”与“纵向垂直整合”两大方向。文章强调，在智能上限探索的同时，产品和非技术性壁垒的重要性日益凸显，尤其以 ChatGPT 的品牌和用户心智为例。同时，AI 产品面临“保鲜窗口期”缩短的挑…- 0
- 0
-
使用 Google Antigravity 构建：全新 Agentic 开发平台
Google 推出了 Antigravity，一种新颖的 Agentic 开发平台，旨在提升开发者工作流程，使其更贴合任务需求。它将熟悉的 AI 驱动的编码环境（编辑器视图）与专用的“管理器界面”集成在一起，用于编排自主 Agent。这些 Agent 可以跨编辑器、终端和浏览器计划、执行和验证复杂的软件任务，从而减少频繁的上下文切换。实际应用包括委托多工具任务（如功能开发和测试），请求 UI 变更…- 0
- 0
-
喝点 VC｜a16z 圆桌：每一次平台迁移，改变的不仅是应用，更是人与计算交互的抽象层次
本文编译自 a16z 的一场专家圆桌讨论，深入探讨了 AI Agent 的本质、发展趋势及其对工作流和商业模式的深远影响。与会专家（Aaron Levie， Steven Sinofsky， Martin Casado）认为，Agent 的真正价值在于深度赋能人类，而非简单替代，尤其能大幅提升专家群体的生产力。他们强调，AI Agent 的发展趋势是任务的细分化和多 Agent 协作，这与传统的单…- 0
- 0
-
「OK Computer」，Kimi Agent 模式开启内测
文章详细介绍了 Kimi 大模型新推出的 Agent 模式“OK Computer”，该模式已开启小规模灰度测试。它旨在通过更多轮次的推理、多达 20 多种工具的调用和原生 Agent 能力，显著提升 AI 的智能水平。Kimi Agent 能够自主规划并完成从需求调研到产品方案、交互设计、前端开发的整个过程，从而交付多页面网站原型、移动端 Web 应用和高品质演示文稿。文章通过宠物网站开发、财经…- 0
- 0
-
Build Hour: AgentKit
本次 Build Hour 介绍 AgentKit，这是 OpenAI 提供的一个综合工具包，旨在简化智能体工作流（包括复杂的多智能体系统）的构建、部署和优化。它通过提供 Agent Builder 进行可视化工作流设计、版本控制以及通过连接器注册表安全地连接工具和数据，从而解决了智能体开发的历史复杂性。此外，还集成了自动提示词优化和护栏机制。ChatKit 提供了一个可定制的 UI，用于部署智能…- 0
- 0
-
时隔 7 年，Notion 发布 3.0 版本，全面进入 Agent 时代
文章详细介绍了 Notion 3.0 版本的发布及其核心 Agent 功能，这是 Notion 自 2.0 版本以来的又一次重大更新。Notion Agent 被定位为世界上首个知识工作 Agent，具备在 Notion 环境中执行创建文档、搭建数据库、跨工具搜索、以及处理多步骤工作流等能力，并支持长达 20 分钟的自主运行。文章强调了 Agent 在解放用户免于繁琐重复工作、自主执行复杂工作流、…- 0
- 0
-
Temporal：Nvidia、OpenAI 都在用，为什么 Agent 还需要专门的长程任务工具？
摘要详细解读了 Temporal 公司及其核心技术 Durable Execution，阐述了其如何解决 AI Agent 在长程任务中面临的持久记忆和可靠性挑战。Durable Execution 通过确保工作流在程序崩溃、网络中断或外部 API 调用失败后能从中断处恢复执行，极大地简化了分布式系统开发。文章深入介绍了 Temporal 的架构，包括确定性工作流函数、Activity、Event…- 0
- 0
-
深度｜OpenAI Agent 团队：未来属于单一的、无所不知的超级 Agent，而不是功能割裂的工具集合，所有技能都存在着正向迁移
本文深度访谈了 OpenAI ChatGPT Agent 团队的核心成员，详细介绍了他们如何通过融合前 Deep Research 和 Operator 团队的能力，构建出一个能够执行长时间复杂任务的强大 AI Agent。该 Agent 的核心在于获得了一台虚拟计算机的访问权限，集成了文本浏览器、GUI 浏览器、终端（用于运行代码、分析文件、调用 API）等多种工具，并且所有工具共享状态，实现了…- 0
- 0
-
Agent Labs：欢迎来到 GPT 封装应用涌现的夏季
本文提出了 “Agent Labs” 一词，用于描述主要专注于研究和销售 AI 代理的公司，将其与开发和销售基础 AI 模型的 “Model Labs” 区分开来。它批评了模糊的 “Neolab” 一词，认为 Agent Labs 具有明确的商业计划，该计划以基于结果的产品为中心。突出显示的关键差异包括 Agent Labs 的产品先于模型的方法，基于结果的定价（按结果收费而不是按 token 收…- 0
- 0
agent
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×