标签
Warp 的一篇随笔指出，智能体驱动的工程已经分化为两个方向：「产品工程」（由人类负责确保产品的质量与实用性）和「工厂工程」（部署并优化智能体集群）。文章还讨论了这一转变面临的挑战，以及从提示词驱动开发迈向「软件工厂」的必然趋势。
Victor Velazquez 宣布了他的新书《The Agentic Engineer》，该书概述了使用大型语言模型 (LLMs) 构建生产系统的原理，并包含了真实世界的事件故事。
这是一则关于10月14日在San Francisco举行的智能体工程BOF会议的公告，旨在通过非正式讨论和与该领域的建设者和实验者进行展示交流。
这是一个关于进阶代理工程的视频教程，展示了如何使用first-mate等工具协调多个AI模型进行高吞吐量并行任务处理。
Grok，一个 AI 模型，创建了一个可配置和可下载的智能体工程百科全书，包括领域指南和集成课程，展示了 AI 生成全面教育资源的能力。
Thoughtworks的工程师们进行了一项实验，在单一代码库中使用AI代理来构建一个航空公司的IROps系统，发现了通过共享计划和频繁提交涌现出的协调。
David Ondrej 的一条推文，推荐了一个他认为每个 Agentic 工程师都应该使用的仓库。
Wes McKinney 解释了他在 Kenn Software 的三人团队如何利用 Superpowers 和 roborev 等工具，通过智能体工程每周合并数百个 PR，并强调人类在规划和设计中的参与。
Addy Osmani 强调了工程师在采用AI方面的两个差距：前沿用户运行着许多智能体，而有些公司很少使用AI工具，他建议后者从一个可信赖的循环开始。
Ray Fernando 主持了一场关于智能体工程的直播大师课，涵盖图、可验证运行时和零垃圾方法。
本文介绍了一项对AI代理编写的大型代码库进行重构的实验，证明重构能减少未来AI驱动更改的令牌消耗。作者详细阐述了方法论和结果，显示重构后输入令牌数量有所减少。
Stack Overflow 探讨了开发者为何对 Vim 和 Emacs 等工具产生深度信任，以及这种信任如何被日益兴起的智能体 AI 编程工具所挑战，并引用调查数据显示 AI 使用率上升但信任度下降。
一位开发者分享了如何在智能体技能中明确添加反触发器，以防止重叠技能之间的冲突，确保行为的一致性。
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。