构建 Laminar：Ramp 的托管智能体平台（14分钟阅读）
摘要
Ramp 详细介绍了其内部构建的 Laminar 智能体平台，提供对话历史存储、会话压缩、工具调用接口、消息队列与转向、子智能体、多人聊天及可观测性等功能，首个版本由智能体在六周内生成代码完成。
Laminar 是 Ramp 为其智能体产品打造的内部智能体运行框架。它提供安全的对话历史存储、会话压缩、工具调用标准接口、消息队列与转向机制、子智能体支持、多人聊天功能、可观测性工具等众多能力。Laminar 的第一个版本由一支由专注且经验丰富的工程师组成的小团队在六周内完成构建，他们与智能体协作并对其进行引导。其代码完全由智能体使用当时最强大的模型生成。虽然自建开发的成本已大幅降低，但 Ramp 仍然需要优秀的工程师来值守值班、维护平台健康运行，并深入了解产品团队的实际需求以及如何将这些需求融入整体架构。
相似文章
Ramp Glass（4 分钟阅读）
Ramp 推出 Glass，一款可跨团队共享公司知识、可复用技能与协作会话的 AI 工作区，通过模型路由使 AI 成本降低 30%，并大幅扩展了工作流自动化能力。
# Launch HN：Laminar（YC S24）— 我们训练了一个模型来捕获智能体的静默故障
Laminar（YC S24）发布了 flow-1，这是一个通过强化学习训练、专门用于检测智能体（agent）轨迹中静默故障的模型。其检测质量与 GPT-6-sol 相当，但成本降低了 23 倍，并已集成到 Signals 分析框架及其开源可观测性平台中。
如果智能体运行时从不告诉模型下一步该做什么，会怎样？
作者介绍了一种名为 LCRK（LIA 认知运行时内核）的被动式智能体运行时架构：基础设施只检测事件、维护持久内部状态并提供工具访问，不负责编排下一步动作，由模型自主决定是否行动、做什么或保持静默。该系统不依赖 LangChain、CrewAI 或 AutoGen，源码暂未公开。
@Redpoint：为什么一个费用管理平台要成立自己的AI研究实验室？@karimatiyeh 将 @RampLabs 描述为“一群……
Ramp 是一个费用管理平台，一年前推出了自己的 AI 研究实验室 Ramp Labs。该实验室开展过多个项目，例如构建以生产环境为基准的编码基准测试“Ramp SWE-Bench”、将 Claude Code 整合进《过山车大亨》，以及一个机制可解释性游乐场。
让LLM上下文组装变得可编程
RAMPART是一个Python库，它使LLM上下文组装变得可编程，允许开发者注册命名的上下文块，并将其放置在模型第一个token之前。通过块聚类和工具访问控制，它在多种模型上将性能提升了数十个百分点。