-
英伟达双擎开源：Nemotron 3.5 Lightning提速4倍+NeMo Switchyard降本74%，重塑AI Agent工作流
英伟达发布Nemotron 3.5 Lightning与NeMo Switchyard两大开源工具：前者以混合专家架构实现推理提速4倍、成本降至1/3；后者通过智能路由策略，在多轮Agent任务中降低74%综合开销。二者协同优化长程任务分工，推动开源AI Agent工业化落地。- 0
- 0
-
从 Coder 到 Designer：电商团队数据研发的 Harness Engineering 实践
本文提出了一套面向电商数据研发的 Multi-Agent 系统方案，通过知识工程与 Harness Engineering 架构设计，解决 AI 在复杂任务中的稳定性与可追溯性问题，实现从「写代码」到「做设计」的范式转变。- 0
- 0
-
淘宝主播 Agent 的 Harness 工程实战
本文介绍淘宝直播主播 Agent 的 Harness 工程实战，通过六元组定义、分层架构与八项落地实践，将概率性模型能力转化为高风险直播场景中可用、可控、可演化的工业级产品。- 2
- 0
-
GPT-Live技术深析：OpenAI如何通过底层重构实现95%音频帧零延迟
GPT-Live通过重构Python运行时与深度定制WebRTC握手机制，实现95%音频帧近零延迟，终结单向对话模式，开启AI Agent实时双向语音交互新时代。- 0
- 0
-
意识 × Loop：让 Loop 跨 Session 自进化的最佳实践
本文以 FDE 公司调研实践为例，提出通过「意识层」（AGENTS.md / MEMORY.md / USER.md）实现 Agent Loop 跨会话自进化的方法论，并详细阐述三层对齐、手动阀门保留及搭建步骤。- 0
- 0
-
数据研发 Multi-Agent 架构的 Harness 工程实践
文章提出数据研发场景下的 Multi-Agent Harness 工程范式，通过六大核心支柱解决 Agent 可控性、可预测性与可信任问题，核心观点是 Agent 能力不仅取决于模型，更取决于围绕模型的工程框架。- 0
- 0
-
驾驭 AI Coding：一份面向团队的 Harness Engineering 落地规范
本文系统阐述 Harness Engineering 理念，结合腾讯内部实践，提供从理念到落地的团队级 AI Coding 规范，涵盖 6 大支柱架构、工具链映射与分阶段实施路线，帮助团队在约束下高效交付高质量代码。- 0
- 0
-
从 Prompt 到 Harness：企业级 Agent 工程的完整演进之路
本文系统回顾了企业级 AI Agent 平台从 Prompt 工程到 Harness 工程的完整演进，提出四层上下文防线、三层记忆架构和赋能范式设计哲学。- 0
- 0
-
Harness 工程实践：如何让 Agent 完成自主迭代
本文复盘了阿里技术团队如何借鉴 Harness 工程理念，让 AI Agent 自主运行 17 小时完成 16 轮 prompt 迭代优化，并分享了防止早停、上下文打爆与 reward hacking 的实战方案。- 0
- 0
-
-
腾讯 WorkBuddy 实践：如何把 Agent 做成可用产品
本文从模型、上下文、Harness、Loop 四层拆解腾讯 WorkBuddy 如何将大语言模型能力转化为可用的 AI Agent 产品，详解工具调用、MCP、Skill、Plugin、记忆与上下文管理等关键机制。- 0
- 0
-
-
Sutton、OpenAI 联创押注的持续学习，有中国团队带着模型进场了
本文介绍持续学习（Continuous Learning）这一新兴 AI 赛道，深度解析 Mind Lab 的 Macaron V1 技术架构与商业路径，并将其置于硅谷同行的竞争格局中，探讨「参数空间迭代」与「提示词空间迭代」两条路线的本质差异与产业意义。- 0
- 0
-
Agent 开始“自我进化”：会出题、会反思，还会自己长出新技能
本文深度解析了自进化 Agent 的技术演进路径，将其划分为经验存储型、RL 训练型与 0 数据自学型三大路线，并详细拆解了各路线下的前沿研究工作。- 0
- 0
-
藏在大模型背后的新闻人：GPT 们的回复是这样写出来的
本文通过深度访谈两位从新闻业转型为「内容工程师」的资深媒体人，探讨了如何将人文品味、语感与叙事逻辑转化为 AI 训练的工程标准，揭示了 AI 时代内容创作的新范式。- 0
- 0
-
Loop Engineering 已死？ 一文带你了解 Graph Engineering
本文深入剖析了从 Loop Engineering 到 Graph Engineering 的演进逻辑，解释了为什么多智能体编排需要从「单个循环」升级为「有向图结构」，并结合官方数据与真实案例给出了何时该用、何时不该用的决策框架。- 0
- 0
-
Agent 开发指南：技术太多，该怎么学？
本文从系统架构层面出发，论证 Agent 开发的核心已从“生成代码”转向“可信完成”，并系统剖析 Harness、Context、Memory、Subagent 等关键组件，以及 Vercel 与 Cloudflare 的 Agent 平台战略。- 0
- 0
-
相关性 ≠ 因果性：因果推断在 AI 评测归因中的方法与实践
本文深入探讨了如何利用因果推断与博弈论方法，通过组件级归因、扰动实验及因果 A/B 测试，精准定位复杂 AI Agent 系统（如 LLM、工具调用、规划能力等）的性能瓶 瓶颈。- 0
- 0
-
2 万字全文| 马斯克《经济学人》访谈：奇点临近 - AI“富足时代”与文明终局
马斯克在《经济学人》访谈中预测 AI 将在 5 年内超越人类智能总和，10 年内带来物质极大充裕的“富足时代”，届时金钱将失去意义，工作成为可选活动，但 AI 也存在 10%-20%的毁灭风险。- 0
- 0
-
-
Qwen3.8-Max：编程与办公，全面跃升
通义千问发布 Qwen3.8-Max 旗舰模型，凭借 2.4 万亿参数与百万上下文，在长程自主编程、科研复现及复杂商业经营等领域实现端到端交付能力的突破。- 0
- 0
-
腾讯、阿里、字节的 AI 办公大战：赛马与变阵内幕
本文独家披露腾讯、阿里、字节三大巨头在 AI 办公智能体赛道的组织整合与战略转向内幕，揭示春节红包大战碰壁后三家如何从追逐超级入口转向押注 to B 办公场景。- 0
- 0
-
从 Agent Flow 到 AI Native：为什么通用 Agent 是“饮鸩止渴”
本文从一线研发视角反思通用 Agent 的局限性，主张回归解决具体问题的「Agent Flow」模式，强调确定性执行、独有数据价值及 AI Native 的本质是真实解决用户问题。- 0
- 0
-
模型越来越强， harness 该留下什么？
本文基于团队 harness 框架 61% 内容的实战瘦身经验，结合 Anthropic 与 OpenAI 的最新指引，系统阐述模型变强后 harness 该删什么、留什么，以及团队自建 harness 的真正价值所在。- 0
- 0
AI Agent
扫码打开当前页
-
✈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：×