标签
Peter Yang 与 Google Labs 产品总监 Jaclyn Konzelmann 对谈后，总结出 Gemini 4 时代改变 Google 产品构建方式的 6 个观点：判断力比代码更稀缺、杂务型任务应优先为 Agent 设计、理解用户根本问题比照做更重要。
作者认为当前 AI Agent 产品都还不是最终形态：干活型 Agent（如 Codex、WorkBuddy）与 personal agent（如 Grok Bot）各自取巧，未来可能合并为一个懂用户的主 agent 调度多个工作 agent，而权限与智能不足是主要障碍。
Anthropic 的应用 AI 团队发布指南，指出许多企业的多智能体设计只是照搬组织架构图（康威定律），并建议先建立端到端评测，再逐个合并子智能体，仅在合并后性能下降时才保留子智能体。
一篇关于如何为 AI 智能体的操作设计审批界面的讨论，主张展示实际影响（哪些内容会发生变化、是否可撤销、触发了哪些政策规则）比叙述性摘要更有效，并就应在何处设置人工审核关卡提供指导。
作者分享在构建采购 sourcing agent 时，如何划定 AI 代理与人类决策的边界，采用约 80/20 分工：代理处理重复性工作，人类保留策略、谈判与最终决策，并向社区征询如何确定这条界线。
一位从业者描述了如何构建一个基于 Claude 的加密货币新闻交易代理——它几乎跳过所有信号。作者对代理的拒绝决策与随机基线进行对比评分，并重写提示词，迫使模型在低置信度时也采取行动以收集数据。
该论文提出"错误复现"（error reproduction）机制，指出在LLM智能体外部记忆中持久化抽象规则会循环放大错误，并提出Anti-Persistence记忆设计：仅累积轨迹与结果、按需临时合成指导，从而在多个基准上取得更高成功率与更低LLM调用成本。
本文表明，累积更多记忆会通过错误复现而降低 LLM 智能体的性能——存储的错误会通过新的抽象自我再生。文中提出了一种名为 Anti-Persistence 的方法：保留轨迹，同时按需重建针对特定任务的指导，从而在多个基准测试上取得更高的成功率和更低的 LLM 调用成本。
Lee Robinson 发布了在斯坦福 CS146S 的讲座视频，讲解 Grok Bot 的工作原理，涵盖 Always-on Agent 设计、harness 设计、上下文工程以及如何保持主 agent 轻量等内容，值得一看。
Wavestone AI Lab 拆解了 11 个编码智能体——包括 Claude Code 和 Codex——发现它们都遵循一套共通的 7 部件框架（循环、LLM 层、工具、记忆、安全、编排、扩展），最终提炼出一个可复用的 90 行框架和 18 条设计建议。
ReLiveGym 提出了一个诊断评估环境，用于评测长生命周期的 LLM 智能体——这些智能体在数周的重放真实世界新闻、市场和社交媒体数据流上以稀疏方式行动。研究表明，动作时机机制与反馈利用方式是贯穿八个基础模型的关键设计维度。
这篇FAST研讨会论文主张，基于大语言模型的智能体应当将证据准备——即在决策前获取、转换或探测证据——视为一种一等设计能力，即“认知行动”（epistemic action），并借助“认知脚手架”（epistemic scaffolding）接口与工具来实现。
本文提出了一种受控的评估框架，在 MATH-500 上将 LLM 生成的调优框架的答案覆盖面与可重复的任务专业化程度分离开来，发现额外的覆盖面主要来自同一程序的重复执行，而非真正的专业化提升。
论文提出了一套围绕三项联合原则（3T）——任务能力（Task Capability）、时间分配（Temporal Allocation）与信任（Trust）——以及五维设计空间的主动式LLM智能体设计框架。同时介绍了Proactivity-Gym，这是一个基于仿真的测试平台，包含多日场景和基于人设（persona）的模拟用户，对23种模型-框架（harness）配置进行了评估，并开展了一项30名参与者的人类研究，结果显示即使任务结果正确，当干预与用户意图错位时，信任仍会急剧下降。
本文基于PyCon China 2026的演讲，讨论如何设计AI代理的组成、运行环境和生命周期。
作者研究了AI代理有效管理工具预算的设计挑战，重点是通过预算感知策略防止不必要的重试并处理API故障。
这篇博客文章介绍了Maka的设计博客，讨论了基础设施架构师的实践与设计，尤其与AI代理相关。它强调了代理是可重放的历史而非过程，日志作为运行时。
本文讨论了AI代理中的持久记忆如何通过将恶意指令作为可信上下文存储来放大提示词注入风险，并探讨了一种缓解此问题的设计，同时承认了局限性和需要在长期内进行进一步测试的需求。
文章认为多智能体系统在AI应用中经常被过度使用，并建议单个智能体，配备良好的工具、严格的状态和清晰的停止条件，对于许多工作流程来说更高效、更易调试且更经济。