@Yeuoly1: 其实还蛮好奇大家对 “一个 Agent” 、 “Agent 同事” 的定义到底是什么，听着是挺性感，但 LLM 底子都是 stateless 的 所谓的 “Agent 同事” 这个实体到底是什么，是一个 Agent-Loop 带着一堆 m…
摘要
讨论了AI Agent和'Agent同事'的定义，指出LLM本质上是无状态的，并质疑Agent实体的具体形式。
查看缓存全文
缓存时间: 2026/05/20 18:34
其实还蛮好奇大家对 “一个 Agent” 、 “Agent 同事” 的定义到底是什么，听着是挺性感，但 LLM 底子都是 stateless 的
所谓的 “Agent 同事” 这个实体到底是什么，是一个 Agent-Loop 带着一堆 markdown，还是一个 Claude Code / Codex 的 session
BlanPlan (@blanplan): Agent 不当同事这个思路对了。用户界面还要 control surface, 不模仿 Slack-style 多频道团队结构, 单一对话入口看智能体后台进度更合理。让 agent 跑大事加出可执行摘要, 用户随时可介入。
相似文章
@cwolferesearch: 什么是智能体？定义可以很简单：它只是一个在智能体循环中运行的LLM。为了使其…
清晰地定义了AI智能体为智能体循环中的LLM，涵盖LLM骨干、指令、工具、环境等组件，以及上下文管理和记忆等额外细节。
@shao__meng: 三次 LLM 交互范式： 1. 网页聊天机器人 2. 独立 AI 应用 3. 组织内嵌式 AI（Claude Tag、Glean Agents） Claude Tag 的核心变化 · 从“每人一个 AI”到“每个频道一个 AI”：团队共享…
本文介绍了三种LLM交互范式的发展：从网页聊天机器人到独立AI应用，再到组织内嵌式AI（如Claude Tag和Glean Agents），并重点讨论了Claude Tag从“每人一个AI”到“每个频道一个AI”的转变，以及Glean生产级独立Agent的四个支柱。
@yiliuai: 我在 MIT 的最大感受之一就是，世界就是个巨大的草台班子。今天又深深体验了一次。 这学期我上了一门关于 AI Agents 的课，需要分小组做项目(老师说偏好 infra 而不是应用层)。受我之前那个 LLM 连 vibrator 的项…
作者分享了在MIT AI Agent课程中的经历，反思了自己放弃一个旨在连接AI Agent与硬件的项目的原因，并批评该项目竞争对手仅凭简单的机械臂接口集成和包装就获得了评委和VC的高度评价。
@Jolyne_AI: 分享一门来自加州大学伯克利分校的进阶课程：Advanced LLM Agents。 这门课聚焦大语言模型 Agent 的最新进展，从推理到规划、从代码到数学证明，系统拆解“能思考、会行动”的代理是怎么做出来的。 课程由 Dawn Song…
分享加州大学伯克利分校的进阶课程Advanced LLM Agents，聚焦大语言模型代理的最新进展，由Dawn Song教授主讲，邀请Google、Meta等研究员，内容涵盖推理、规划、代码生成等。
@Huahuazo: 想搞明白Agent到底怎么从零搭起来，不是光会调API那种——我翻过不少资料，要么讲得太抽象，要么直接甩给你一个成品让你改改参数就完事，中间“为什么这样设计”的部分基本是空白。 LangChain官方的这个Agents From Scra…
LangChain官方发布的Agents From Scratch教程详细介绍了如何从零构建一个具有人机协作和记忆功能的AI代理，涵盖基础搭建、评估体系、人机协作和长期记忆四个部分。