@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
@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。
超越LLM：为何可扩展的企业AI落地依赖于Agent逻辑
IBM Research探索了Agent逻辑——诸如知识图谱和程序分析等软件原语——如何引导基于LLM的Agent高效处理复杂的企业工作流，减少幻觉和成本，同时改善结果。
@FeitengLi: 动手搭了一个 ReAct agent 系统：围绕 LLM 做 agent 系统 傍晚散步时在想：如何训练 LLM 的 agentic 能力、数据准备、模型训练、agent 轨迹 action 构造 RL 训练，再想 Claude 在过去一…
作者分享了搭建 ReAct agent 系统的经验，并介绍了智谱 AI 发布的 GLM-5 技术报告，该模型在 agentic、推理和编码方面取得了突破。
@knoYee_: https://x.com/knoYee_/status/2062780637677752366
作者复盘了使用多Agent协作三个月的经验，总结出五个主要痛点（如Agent间矛盾、忽略边界条件、自我审查失效、合并决策困难、压缩执行后暴露更难问题）和两个心得（只读审查Agent价值高、Agent矛盾暴露需求模糊），强调了人类在AI协作中的核心决策作用。
@Potatoloogs: https://x.com/Potatoloogs/status/2057391224592667051
本文深度拆解了Agent Harness的概念，即包裹在LLM外部的工程基础设施，包括编排循环、工具调用、记忆系统、上下文管理等12个组件。文章引用Anthropic、OpenAI、LangChain等公司的实践，论证了harness对生产级AI Agent的关键作用。