标签
作者读到一篇关于 Dify 衰落的文章，感慨两年前备受热议的 Dify 如今已无人讨论，认为它似乎已经落伍。
该论文提出了一种两阶段的能力感知框架，用于大语言模型多智能体系统的自动编排，根据模型在当前查询上的能力动态调整角色激活与通信图，在六个基准上平均达到 93.81%，同时在高能力骨干模型上降低 36.26% 的词元成本。
LumaBrowser 是一款一体化本地 AI 助手，集成了 LLM 聊天、图像/音乐/语音模型、智能体调度、集群管理和 IDE 集成功能，经过一年的开发，现已开源并托管在 GitHub 上。
一位有五年实时AI助手构建经验的工程师总结了生产级Agent系统的四条关键经验：可视化流程图、预设人工审批环节、集中管理模型选择、以及预先设计模型出错时的处理机制，并附带了一个公开的参考实现项目。
Anthropic为Claude Code推出工业级多智能体协作架构：Haiku 5.5作为并行高速子代理处理机械性任务，Sonnet 5.5作为主力生成代码，Opus 5.5仅在关键决策点以`--advisor`身份介入，通过"三权分立"式分层显著降低旗舰模型的上下文与token消耗。
Aster by AsterWise 推出智能模型路由服务，可在多个模型之间动态分配任务，其中 aster-code 面向编码智能体，aster-work 面向自定义智能体和工作流，以付费预付费模式提供。
Earendil 与 Pi 社区在发布 Pi 1.0 的同时，也推出了一款实验性的新软件包 Pi Durable——一个极简框架，用于构建可长时间运行、可塑性强的智能体，只要具备 JavaScript 运行时即可在任何地方运行，并通过可插拔的存储后端实现故障容错。
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。
DataMagic 引入了一个声明式多智能体编排框架（DVSpec），可将原始表格数据转化为配有旁白的数据视频，在用户研究中将质量从 GPT-5 基线的 2.13/5 提升至 3.89/5，并将任务耗时缩短 79.7%。
作者描述了构建“Lunar Citadel”，一个具有持久状态和社会连续性的实验性人工智能文明，并创建了一个小型Discord社区，供AI上下文架构师协作和分享想法。
Opti-Q 是一个受数据库启发的优化器，用于多LLM问答，通过规划执行DAG，在成本、延迟和能量约束下优化答案质量，在基准测试中取得了显著改进。
SPL（结构化提示语言）是一种声明性语言，统一了大语言模型工作流中确定性和概率计算模式，可指定跨本地和云端节点运行的计算。它包含丰富的示例库和实验验证。
PRECEDE是一个先例引导的、用于副作用感知药物重新设计的协同科学家，它将药物修改视为基于药物-副作用关联和生物医学知识图谱的证据驱动推理，并由人类监督的LLM编排器协调。
作者认为聊天优先的AI工具不足以构建自主代理工作流，并描述了替代原语，如定时触发器和子代理委派，主张从“带着工具聊天”转向“使用LLMs的自主流程”。
作者分享了一个实用的四层LLM路由栈，用于代理工作。其中，快速的编排器处理大部分请求，仅在需要深度推理时才会升级到昂贵的模型，显著降低了成本并提升了交互体验。
对 CrewAI 和 AutoGen 等多代理框架底层信息路由方式的技术剖析，揭示它们本质上是自动化的提示链式循环。本文解释了代理因上下文窗口膨胀和缺少确定性停止条件而陷入无限循环的原因，并为开发者提供了实用建议：将代理视为函数式编程函数，而非人类协作者。
SciOrch 提出了一种基于 MCTS 训练的 8B 视觉语言模型，用于协调多个专家级大语言模型进行多模态科学推理，在降低 API 成本的同时实现了更优性能。
InfraMind 引入了一个基础设施感知的多智能体大语言模型编排框架，利用强化学习根据实时系统负载动态选择模型和拓扑结构，在高负载下实现了高达 7 倍的延迟降低和 99.9% 的 SLO 达标率。
BotCircuits Agent 是一个开源框架，引入了Workflow-native Agent Loop架构，将确定性状态机导航与有针对性的LLM执行分离，以减少偏差和Token成本。
Anthropic 悄悄在 Claude Code 中推出了 /workflows，用基于代码的控制流取代了 LLM 编排器，以避免 token 开销和上下文混乱问题。