标签
本文介绍了AutoPersonas，一种用于长期人格智能体的架构，通过将发散与证据驱动的吸收分离来防止“自锁”，在模拟环境中展示了更低的重复性和更好的身份连续性。
认为向量数据库不适合存储业务记录（如订单、余额等），因为语义相似性并不能保证事实的正确性；建议对结构化数据使用 SQL，而向量数据库仅用于非结构化信息。
讨论AI代理如何在三个层面（模型、框架、上下文）学习，以及为什么将用户修正作为标记示例捕获是构建随时间改进的自学习代理的关键。
详细的技术解析，说明Hermes Agent的结构化处理循环与基础聊天机器人的不同之处，包括提示组装、提供者解析、工具分发和结果评估。
一个AI代理的推理步骤被重新设计，以在panel-judge-synthesizer流水线中融合多个模型，并提供了哪些设计选择实际提升了性能的洞见。
解释了受框架控制的LLM智能体的反向架构，其中智能被外化到记忆、技能和协议中，围绕一个轻量模型核心，由中介器管理交互。
大多数MCP服务器是不必要的；本文提供了一个判断何时需要MCP服务器的框架，强调首先需要稳定的API和CLI。
描述了一个双层小型LLM架构：一个本地常驻代理（Raven）运行在RTX5080上，以及一个在线推理栈（Trinity Cortex），包含三个小模型和一个知识图谱，论证了小模型在基于图的推理中优于大型前沿模型。
本文比较了在云环境中部署 AI 智能体的两种模式：直接在沙盒中部署与解耦组件。文章解释了沙盒方法因云故障而存在的局限性，并重点介绍了 Anthropic 的 Claude Managed Agent 作为解决方案，该方案将会话存储、智能体运行时和沙盒解耦，以提高弹性。
一份实用指南，解释了为何简单的多智能体系统会失败，以及如何利用构建者、法官和管理者角色，通过清晰的交接与验证来构建协调的AI智能体团队。
Monday.com 的 Sidekick AI 代理从多代理架构（200+ 工具）转向深度代理架构，通过三层工具发现、优先委托、代码编写和自我修复机制解决上下文污染和成本问题。
本文批判了当前的AI智能体系统，区分了外在脚手架（agentic）和内在化（agentive）系统，并提出了目标-身份-配置器（GIC）架构，用于构建具有内生能力的通用智能体模型，同时提供了关于安全性和可控性的见解。
文章回顾了OpenClaw Agent框架的设计亮点与不足，并阐述了作者设计更好的Agent框架FastClaw的经验总结，强调云原生、轻量、多租户等原则。
一本全面的实践者指南，涵盖构建自主AI系统的整个技术栈，从基础Transformer架构到多智能体协调和生产部署等高级智能体主题。
一条推文总结了对《How modern browsers work》一文的读后感，强调浏览器作为现代操作系统的价值，并为前端和Agent开发者提供了5个关键洞察，包括多进程架构、JS引擎编译管线、性能优化等。
Sierra's Head of Product discusses their AI agent platform for enterprise customer engagement, detailing parallel model calling, no-code Journeys layer, and payment infrastructure isolation.
一项分析 Claude Code 的论文揭示，其有效性源于一个简单的人工智能循环，周围环绕着针对工具、安全性、记忆和恢复的强大基础设施，而非复杂的人工智能大脑。研究强调，自主性增加了基础设施的负担。
Boris Cherny 等人描述了从提示 AI 代理转向设计持续运行的自主循环，利用内存文件和评估器模式来保证代码质量。