标签
推荐斯坦福 CS329Z《Engineering AI Agents》课程，系统覆盖 agent 工程的核心内容：LLM 基础、RAG、工具调用与函数调用、框架编排（DSPy、LangGraph）、评测与可靠性等，标志着 agent 开发正从调 API 的手艺转变为一门正经工程学科。
作者开源了 agent-engineer 插件，适用于 Claude Code、Codex CLI、Cursor 等工具，包含 11 个技能、4 个子代理和 5 个钩子；盲测 A/B 实验显示，Claude Code（Opus 5.5）在使用该插件后，任务需求满足率从 34% 提升到 53%。
一位从业者提问：智能体框架应如何处理写操作工具的超时？需要权衡幂等键、读回验证以及当下游 API 不支持幂等时的人工介入等方案。
LangChain将举办一场关于生命科学智能体工程的研讨会，专注于创建准确、可观察且可靠的研究工作流程。
LangChain 将在旧金山举办一场晚间活动，内容包括持续学习的技术讲座、Prime Intellect 和 Baseten 的演讲嘉宾，以及面向 AI 智能体工程社区的社交机会。
LangChain 宣布推出一门免费的学院课程，教授使用Python构建AI代理，涵盖react循环、MCP服务器和人在环中等基础概念。
Cursor 的工程博客讲述了他们如何为 cloud agent 搭建开发环境，推出 anydev CLI 和 Cloud Doctor 自愈机制，使 agent 现在贡献了超过一半的合并 PR。
AI 智能体工具集中未使用的工具仍然会消耗令牌，并给工具选择增加噪音，因此智能体应只加载当前任务所需的工具。
中国研究人员在自主AI智能体工程方面取得突破，采用代码即执行框架（code-as-harness）范式，用可执行的验证基础层取代文本提示，通过六个内部流程实现确定性的多智能体执行。
LangChain Academy 推出首个面向完整智能体开发生命周期的认证，前两个月提供 50% 折扣。
本文阐述了'工具腐化悖论'，即在生产中安装大量静态代理技能会导致上下文窗口退化及安全问题，并倡导采用动态发现方法，通过元技能按需获取工具，以保持系统提示简洁。
作者反思了长期运行的人工智能代理如何遭遇与初始提示无关的失败，并认为环境设计（工具、文档、验证、架构规则）更为重要。他们讨论了诸如 harness 工程、保持 AGENTS.md 文件精简、使用 linter 和评估器代理等概念，同时指出了成本权衡。
本文认为，构建AI智能体并不难，难的是为它们提供充分的业务上下文——这仍是未解决的基础设施难题，因此提出需要构建一个类似GitHub之于代码的专用'上下文层'。
An engineer tracked his coding agent's token usage over a week, finding that only 0.67% of tokens were spent on actual tasks, with 99% consumed by tool directories, skill descriptions, and system prompts. He provides optimization strategies, including shell output filtering which saved 46.9% of tokens.
本文探讨了提示词工程升级为Agent工程的趋势，强调通过AGENTS.md等结构化上下文管理AI代理，并分享了一套最小闭环的工作流方法论。
推荐Harrison Chase关于多agent系统设计指南的博客，核心观点是多agent系统分'读'和'写'，读易并行，写易冲突，并总结了适合与不适合的场景以及工程配套。
前OpenAI工程师Ryan Lopopolo加入Google Cloud担任首席Agent工程师，将OpenAI的Agent工程方法论引入云平台。
Microsoft 开源了 SkillOpt，这是一个将智能体技能文档视为可训练产物的框架，通过迭代反馈循环优化它们，而无需修改模型权重。它作为一个 Python 库提供，支持自我演进的智能体技能。
作者分享了在GIAC 2026深圳会议上关于Agent Engineering的演讲，强调构建可靠、有状态的代理的重要性。