标签
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。
一条推文解释了从传统软件工程过渡到智能体工程所需的5个核心思维转变，强调了为什么硬编码路由和二元测试等常规模式在AI智能体中会失效。
本文批评了通过复制表面行为来逆向工程 Fable 5 的尝试，转而介绍了 Hephaestus Stormbreaker——一个针对编码智能体的鲁棒性控制层，它强制进行范围锁定、证据循环、回归测试和关卡检查，以防止智能体漂移和过早退出。
作者讨论了在生产中构建可靠AI Agent时那些不引人注目但至关重要的方面，包括监控运行中的进程、恢复失败的任务以及提供UI状态，并向社区询问常见的痛点和现成的解决方案。
一个名为Agent-Learning-Hub的开源学习路线项目，将AI Agent学习拆分为8个阶段，从构建最小Agent loop到生产部署，提供可执行的todo list和推荐资源，由Datawhale社区成员维护。
该推文讨论了AI代理框架中的臃肿问题，赞同Kaffu提出的框架变成‘富人的玩具’的批评，并倡导一种由小型可替换工作者组成的可组合架构，以减少漂移，保持系统廉价且易于调试。
推荐一本免费开源技术书《如何从零构建7×24小时AI Agent》，系统讲解AI Agent引擎、数字人协议、AI浏览器、生产级调度等实战内容，基于30万行真实开源项目Halo，并采用人机协作方式编写。
这篇文章总结了将AI Agent从Demo部署到生产环境过程中遇到的四个常见陷阱：function calling不可靠、多步任务失败率累积、记忆管理不当、以及安全权限问题，并给出了相应的解决方案。
作者介绍了“Autoharness”，这是一个利用 Claude Code 通过迭代提示词和超参数来自主优化 Agent 框架的工具。在 tau2-airline 基准测试中，该工具使性能提升了 40%。
AG Kit 是一个以 Antigravity 优先的智能体工程套件，提供规则、技能、专业智能体、工作流、持久记忆、MCP 指导、编排以及原生安全钩子。