标签
Introspection是一家由前xAI工程师创立的新AI初创公司，它推出了'autoresearch'——一种反馈循环系统，智能体通过信号、评估和人类输入来维护并完善自身，超越了传统的智能体框架。
本文总结了2026年AI Agent的格局，重点介绍了像OpenClaw和Hermes这样的本地代理、自我改进循环、用于物理AI的VLA模型，以及可信代理系统基础设施日益增长的重要性。
Tidebase 是一个开源工具，为AI代理提供身份认证、凭证代理、检查点、队列、调度和网关，全部基于Postgres。
传统的联盟网络模型并不适合AI智能体，后者通过对话、实时推荐和多步工作流运作。我们需要一种新的基础设施，类似于智能体驱动商业推荐的协议层。
作者推测云GPU提供商是否将成为AI代理的底层基础设施，将其与电信行业的演变进行类比，并质疑市场整合。
本文讨论了AI代理成功完成现实世界任务的关键要求：一个真实的电话号码、电子邮件地址和支付方式，并重点介绍了提供这些能力的AgentLine、Agent Mail和Agent Card等产品。
Anthropic推出了Claude Managed Agents，这是一组可组合的API，用于构建和部署生产级代理，解决了将原型与生产分离的基础设施挑战。
讨论AI代理正确审计日志的重要性，强调需要仅追加、哈希链式日志以防止篡改，而非将日志存储在可写入的应用数据库中。
ActiveGraph 是一个用于长期运行代理的开源基础设施，使用事件溯源的反应式图来实现可审计、可分支、可重放的代理状态。它引入了用于代理协调和状态管理的新架构层。
作者描述了在遭遇级联故障后，使用DBOS持久化执行重写其AI代理基础设施以提高可靠性的经历，并向社区询问类似的经历、工具选择以及自建与购买决策。
Aditya Gupta 分享了他加入YC的原因，同时Y Combinator在Lightcone播客中介绍了其内部代理基础设施，包含350多个工具和自优化技能循环。
本学习笔记介绍了智能体基础设施层的概念，将其定义为围绕LLM的基础设施层，提出了ETCLOVG分类法（执行、工具、上下文、生命周期、可观测性、验证、治理），并通过编码智能体案例研究展示了其应用。
Runtime 是一个平台，提供带有公司上下文、集成和安全护栏的沙箱编码代理，让每个团队成员都能使用代理自动执行任务并交付工作。它包含自定义环境、专用代理、可观察性，并支持各种集成和部署选项。
深入探讨自治代理参与市场所缺失的基础设施，将技术栈分解为信任平面、市场平面和控制平面，并重点介绍ERC-8004作为关键标准。
文章讨论了像 Redis Iris 这样的“代理上下文引擎”作为运行时层的出现，它结合了检索、记忆、数据同步和缓存，使代理能够使用实时业务数据，而无需为每个工作流进行自定义集成。
本文讨论了构建智能体基础设施的挑战，强调信任和证据比信息检索更为关键，并介绍了Ninelayer专注于为编码智能体提供更好的证据。
这篇文章通过IBM工程师Tejas Kumar的演讲，深入讲解了Harness Engineering的概念，即通过为AI Agent添加确定性基础设施（如工具注册表、上下文管理、护栏和验证循环）来解决模型失控和幻觉问题，确保Agent稳定执行任务。
Cline 开源了一个 SDK，用于构建跨应用、IDE 和 CLI 的可移植编码智能体，Hicap 提供推理支持。
作者分享了他们使用Rocket.Chat、CLI代理和tmux构建AI代理基础设施的经验，规模扩展至250个客户，帮助他们建立网站。他们从销售服务转向教客户自己使用代理，强调了此类系统中上下文管理的重要性。