标签
MoFlow 将智能体工作流生成建模为多目标 MDP，并通过带集合值回溯的凸包蒙特卡洛树搜索（Convex-Hull Monte Carlo Tree Search）求解，覆盖帕累托前沿，使工作流无需重新训练即可按任意偏好检索。在数学、代码和问答基准测试上，其超体积（hypervolume）指标优于六个基线方法。
Ars Contexta 阐述了如何构建 agent 代码仓库与知识系统，让 AI agent 拥有持久的上下文、领域专用工具以及可复用的工作方法，以支撑知识型工作，并主张在自有数据之上构建自定义应用，而非依赖彼此割裂的记录系统。
一位 Anthropic 高级工程师分享了一门 1 小时的课程，讲授如何借助 Claude 通过循环和图构建可自我改进的智能体团队，内容涵盖 CLAUDE.md、Plan 模式、skills、hooks、subagents 以及自动化模式。
一位用户热情评价了 GPT-6-Luna 和 Sol，突出它们在性能、上下文管理和成本效益方面优于其他 AI 模型和服务。
本文讨论了代理工作流的新数据库保障，如分支和隔离，并介绍了腾讯云的 TDSQL-C PostgreSQL 产品，作为首个提供全部四个关键功能的服务商。
基于个人在Qwen 27B 3.8上的经验，建议增加llama.cpp的-cram参数，以在长上下文的代理工作流中获得更好性能。
Tavily 与 Jev 集成，为研究代理提供实时网络智能，实现高效决策并减少大语言模型推理开销。
本文宣布了 PyTorch Conference North America 2026，届时来自 Meta 的 Andrey Talman 将讨论 PyTorch 发布流程的现代化，包括与 Triton 和 vllm 的协调，以及 AI 代理工作流的使用。
OpenAI 和 Product Hunt 结束了 GPT-6 Astra Challenge，获胜者获得 API 积分和奖项，突显了自主工作流和独立开发者项目的趋势。
一款名为Jev的新前沿AI模型被宣布，处理速度提升20-200倍，能力显著提高，突显了其在企业代理工作流中的潜力。
一篇讨论帖，询问AI智能体构建者如何向客户定价API成本，涵盖直通费用、固定费用、基于使用量的计费以及监控支出的工具。
Meta 预计将在 Meta Connect 上为其 Muse 代理宣布“共享代理”功能，这是一项隐藏功能，允许用户在 Meta 的生态系统内创建和分享自定义AI代理。
一个有预算和漏洞的AI代理向SaaS创始人发送了残酷诚实的评论，导致62%的回复率和600美元收入，突显了在代理系统中实用性优于礼貌的有效性。
Google DeepMind 推出了 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，新型 AI 模型，在编码、推理和网络安全方面有显著改进，以低成本提供前沿级性能。
Epiq 是一款分布式、Git原生的问题追踪器，能够按需重放状态以审计和追踪代理工作流，解决了多代理环境中的关键挑战。
本文质疑了在AI智能体可以直接调用API时，MCP在智能体工作流中的冗余性，指出MCP在共识和治理方面的价值，但认为对于基于Web API的实现，它可能并不必要。
作者讨论了网页代理在爬取不良 URL 时上下文窗口浪费的问题，并询问如何使用元数据来过滤爬取以提高效率。
这条推文强调了 OpenRouter 的 token 使用量从 2024 年 1 月到 2026 年 8 月增长了 9,000 倍，这主要是由代理工作负载驱动的，这些工作负载消耗的 token 数量远超人类交互。