标签
详细演示了如何使用 Google 的 Agents CLI 评估技能来检测和修复 RAG 代理中的“vibe coding”漏洞,并通过一个真实示例说明 Claude Code 如何帮助创建自定义评分标准,并将测试分数从 19/33 提高到 30/33。
分享Google Cloud多租户智能体AI系统参考架构的5个核心要点,对独立开发者和小团队生产化Agent有启发。
该推文讨论了智能体工程背景下的杰文斯悖论,认为AI智能体效率的提升将增加而非减少对知识工作的需求。
Cognition 发布了 SWE-1.7,一个功能强大的 AI 模型,专为智能体软件工程设计,以更低的成本实现了前沿级别的性能。该模型在强化学习训练、多集群基础设施、数据整理以及针对长任务的自我压缩方面进行了改进。
Addy Osmani 讨论了在代理工程中“掌控外循环”的概念,强调了人工智能代理系统中的人类问责制、质量检查、裁决和可答复性。
Google发布了一门免费的1小时智能体工程课程,涵盖构建AI智能体、实现记忆、智能体循环、MCP与API对比以及多智能体系统。
探讨在GPT 5.6和Fable等先进AI模型时代中100x代理工程师的概念,讨论瓶颈如何从代理转移回人类,以及如何成为一名卓越的代理工程师。
A detailed walkthrough of setting up a reproducible declarative development environment for agentic engineering on macOS using Nix, Homebrew, Home Manager, WezTerm, and Starship.
本文讨论了循环在智能体工程中的关键作用,解释了通过向问题投入更多令牌如何提高解决方案质量,同时指出了简单循环实现中的陷阱,如错误累积和缺乏有意义的迭代。
红杉 AI 大会上,Karpathy 用近 30 分钟深入分享了编程范式的剧变,包括软件 1.0/2.0/3.0 框架、vibe coding、参差智能等概念,并给创始人提供了实操建议。
谷歌推出了Agents CLI,这是一个统一的命令行工具,集成了在Google Cloud上对代理进行搭建、评估和部署的功能,使编码助手能够在不切换上下文的情况下实践Agentic Engineering。
Google的Agents CLI提供了一个统一的工具,用于搭建、评估和部署AI代理,解决了代理工程中工作流程碎片化的问题。文章演示了如何使用该CLI构建RAG代理,展示了其与编码代理和ADK模式的集成。
旧金山举办了一场关于Agentic Engineering的小型活动,演讲者处于AI前沿,涵盖了从推送提示历史中寻找噪声中的信号所获得的经验教训。
一份获得 58K+ 星的综合指南,介绍使用 Claude Code 的最佳实践,涵盖来自 Boris Cherny 和社区的技巧,以及最大化代理工程的工作流。
前 Meta/Microsoft/Atlassian 主任工程师 Kun 分享其 Agentic 工程工作流:以终端、tmux 和 Neovim 为核心,通过全局/项目级记忆文件和技能培训 AI 队友,每天交付 40-50 个经过测试的生产级 PR,并利用语音输入、AXI 标准、Lavish 交互式规划等工具提升效率。
一条推文强调,来自韩国的Q使用Codex桌面应用和lazycodex实现了一个会话,其中有近300个子代理运行超过一天,展示了前沿的代理工程。
文章介绍了'循环工程'作为AI工作的第四阶段,工程师设计系统自动提示、执行、评估和迭代而无需人工干预,超越了提示工程和自主工具使用。
谷歌团队发布了一份50页指南,讲解从vibe编码转向智能体工程,重点关注使用AI智能体的软件开发生命周期,强调大多数失败是系统框架的失败,而非模型的失败。