跳到正文
  1. 博客园83

    Harness:把裸模型变成能用的 Agent

    这篇长文系统讲解 Harness 这一 Agent 运行时概念,即模型之外的一切:工具派发、状态与记忆、沙箱执行、上下文管理与权限护栏。文章以 Microsoft Agent Framework 为例,拆解历史、上下文、压缩三个插槽的接口语义,并给出工具循环的四个工程要点:异常回填为结果、callId 配对、步数按模型调用轮计、并行结果按 callId 有序回填。

    推荐理由:原文把工具循环的异常回填、callId 配对、步数预算等工程细节拆开讲清,读者可直接对照排查自家 Agent 的同类失败。

  2. AWS Machine Learning Blog71

    Airbnb 如何以单任务成本在 Amazon Bedrock 上运营编码智能体

    Airbnb 分享了如何用单任务成本(cost per task)在 Amazon Bedrock 上评估并运营内部编码智能体 AirChat。发布前对每个模型和推理强度跑自建任务评测,同时记录分数与单任务成本;发布后用 CloudWatch 的延迟、限流和 token 指标对照评测结果排查问题。

    推荐理由:原文给出了一套把评测分数和单任务成本结合起来选模型、再用生产数据回检的完整方法,可直接迁移到自己的编码智能体运维。

  1. AWS Machine Learning Blog68

    降低 Amazon Bedrock AgentCore JSON 工作负载的 token 成本与延迟

    AWS 与 Flightscape 分享三种可组合的优化策略,让处理 20 MB+ JSON 负载的生产级智能体显著降低 token 成本与延迟。三种策略分别是把重型工件卸载到 Amazon S3 并只持久化内容寻址引用、对超大列表结果按需分页、用结构描述符压缩超大字典输出。

    推荐理由:三种可组合策略把大 JSON 负载移出模型上下文并附完整代码,处理类似负载的智能体团队可直接迁移复用。

  2. AWS Machine Learning Blog61

    AWS:规则交给代码、判断交给模型,削减生成式 AI 成本

    AWS 官方博客提出,生成式 AI 工作流最大的成本杠杆是先判断每个步骤是否需要调用模型:能用规则校验的步骤交给确定性代码,固定选项的决策用受限决策调用并设置升级信号,只有开放式任务才交给规格合适的 Amazon Bedrock 模型。

    推荐理由:原文提供了一套可迁移的步骤级决策框架,读者可对照自己的工作流找出不必调用模型的环节以降低成本与延迟。

  3. AWS Machine Learning Blog62

    用 Amazon Bedrock AgentCore 和开源 SMART 构建 WhatsApp AI 智能体

    AWS 开源 SMART(Social Messaging Agent Runtime Toolkit),一个 Python SDK 加 Terraform 栈。

    推荐理由:原文逐项列出 WhatsApp 渠道集成的难点并给出开源 SDK 的对应解法,读者可据此判断是否引入 SMART 压缩集成工期。

  4. Simon Willison76

    Datasette Lite 完整重写,用 service worker 和 Pyodide 在浏览器中运行服务端应用

    Simon Willison 发布了 Datasette Lite 的完整重写版本,改用 service worker 拦截页面请求,在浏览器中运行完整的服务端 Datasette,几乎与真实服务端应用无异。

    推荐理由:作者用 service worker 加 Pyodide 证明了完整服务端 Python 应用可以纯浏览器运行,这套做法可迁移到其他 Python 应用的预览与调试。

  1. 博客园84

    A2UI:让 Agent 画界面,而不是写代码

    A2UI 是 Google 提出的声明式 UI 载荷协议(Apache 2.0),Agent 只声明用哪些组件、绑哪些数据,客户端用自己信任的原生组件渲染,从结构上消除代码执行类注入面。

    推荐理由:原文把 A2UI 与写死界面、生成代码、JSON Schema 表单三条旧路逐项对比,并讲清它与 MCP、A2A、AG-UI 的边界,适合判断该协议是否适合自己的 Agent 项目。

  2. 爱范儿87

    DeepSeek 开始限额后的不限额用法指南

    DeepSeek App 免费对话开始触发额度限制,文章给出通过官方 API 充值继续使用的完整指南。

    推荐理由:原文给出了从开通 API、迁移历史会话到选用第三方 Agent 平台的具体步骤与费用测算,读者可据此搭建自己的不限额使用方案。

  3. AWS Machine Learning Blog60

    多智能体设计模式分类、反模式与制造业经验

    AWS 解决方案架构师系统梳理多智能体设计模式,将协调模式分为路径预定义的 Tier 1 与模型运行时选路的 Tier 2,并给出从单次模型调用到自治多智能体的选型决策树。

    推荐理由:文章将多智能体协调模式分为确定性控制流与模型自治两层,并给出选型决策树与五个反模式,可直接迁移到自己的架构选型。

  4. AWS Machine Learning Blog70

    Amazon Bedrock Guardrails Denied Topics 编写最佳实践

    AWS 官方博客系统总结了 Amazon Bedrock Guardrails 中 Denied Topics 的八条编写最佳实践,指出误拦多源于按主题域而非用户意图组织话题。

    推荐理由:文章把误拦问题归因到四种常见写法并给出八条可迁移的编写规范,读者可直接对照自查自家护栏的拒拦边界。

  1. 博客园76

    拆解 Codex、Claude Code、Hermes Agent 与 pi 的上下文压缩实现

    本文拆解 Codex、Claude Code、Hermes Agent 与 pi 四款 Agent 的上下文压缩实现,对比触发阈值、摘要结构以及用户原话与工具输出的处理方式。

    推荐理由:原文横向对比四家 Agent 的上下文压缩实现,读者可以看清触发时机、摘要结构与原始记录保留方式的取舍差异。

  1. AWS Machine Learning Blog71

    在 Amazon Bedrock 上优化单任务成本并验证智能体 ROI

    AWS 解决方案团队提出按任务而非按 token 核算 Amazon Bedrock 智能体成本,并给出验证智能体 ROI 的完整框架。文中拆解分词器效率、输出冗余、智能体循环和推理开销四个隐藏成本驱动因素,示例中标价高一倍的模型单任务成本反而低 65%。

    推荐理由:原文给出按任务而非按 token 核算成本的完整框架,读者可直接迁移到自己的智能体项目上衡量投入产出。

  1. 博客园79

    AI 把代码写得飞快,然后呢?我验收生成代码的一套流程

    作者给后端服务加数据校验时让编码助手生成代码,联调时暴露出 null/undefined 处理错误、循环依赖和把 bug 固化成预期结果的测试,随后总结出一套验收流程。

    推荐理由:作者从真实踩坑经历总结出一套可迁移的生成代码验收流程,读者可直接借鉴到自己与编码助手的协作中。

  2. AWS Machine Learning Blog64

    在 Amazon SageMaker HyperPod 上检测并恢复分布式训练中的静默数据损坏

    AWS SageMaker HyperPod 团队在 PyTorch DDP 训练循环中加入三项检查来捕捉静默数据损坏(SDC):非有限梯度检查、环形重放审计和权重指纹比对,报警后把嫌疑 rank 映射到节点并由 HyperPod 替换。

    推荐理由:原文给出了一套可直接落地到 PyTorch DDP 训练循环的 SDC 检测与节点替换流程,并附上注入故障的实测开销和误报数据。

  1. 博客园83

    Agent 评测工具链大全:Promptfoo、DeepEval 与 LangSmith 的选型指南

    作者把企业评测的执行方式分为手工、写脚本、工具框架、平台化四种,并将市面上二三十款评测工具按评模型/评应用、框架/平台两个维度分类梳理。

    推荐理由:原文把评测工具按评模型/评应用、框架/平台两刀分类,并给出决策树和六个场景的选型答案,可直接迁移到自家项目选型。

  2. AWS Machine Learning Blog61

    用 LangGraph 与 Amazon Bedrock AgentCore Web Search 构建每日依赖监控器

    AWS 官方博客演示用 LangGraph 与 Amazon Bedrock AgentCore 的 Web Search API 搭建每日依赖监控,为安全团队每天核查 npm、PyPI 包和容器基础镜像的新变化。

    推荐理由:教程给出了可迁移做法,把日期窗口、屏蔽名单和搜索预算固定在代码里,再对照引用来源校验每条发现。

  1. 博客园77

    重度用户 64 天实测 DSH:1093 个会话与 33.8 万次工具调用的复盘

    作者把 DSH 当 AI 工位用了 64 天,通过解析本机会话存档得出 1093 个唯一会话、117 681 个步骤、338 207 次工具调用、22.62B Token 的运行总账。

    推荐理由:作者用本机会话存档算出真实运行数据,读者可对照自己的 AI 工位拆解长任务、控制上下文成本。

  1. 博客园76

    视频是算出来的:DeepSeek Harness 零素材全代码生成视频插件

    作者用 DeepSeek Harness 插件以纯代码程序化渲染完成一部 3 分 54 秒中文科普片,核心做法是先逐句合成旁白、用实测 PCM 时长驱动时间轴,每帧作为纯函数保证可复现,再配四层质检。

    推荐理由:作者给出了可迁移的工程方法,用实测音频时长驱动时间轴、帧作纯函数、分层质检,让程序化视频可复现可验收。

  1. 博客园84

    Claude Memory 设计解读:记住经验,保留边界

    Anthropic 公开 Claude 的记忆设计,将在线记录与离线 Dreaming 放入同一架构,并按职责分出会话记录、记忆笔记、知识表示与预载上下文四层。Memory Trap 论文显示,局部经验被泛化后会造成权限迁移、评价偏移和测试保护漏洞等问题,Dreams 则以候选库方式把生成与采用分开,新记忆需审查后才能挂载到未来会话。

    推荐理由:原文把在线记录与离线整理拆成可落地的分层职责,并指出经验复用必须同时携带形成条件与适用范围。

  2. 博客园76

    nvidia-smi 显示的 CUDA 版本是不是你装的那个:AI 工程师踩坑实录第 1 篇

    作者在 GTX 1660 Ti 笔记本上真机复现了 nvidia-smi 显示 CUDA Version 13.0 但 nvcc -V 无命令、torch.version.cuda 为 None 的问题,指出该数字只是驱动支持上限而非已装版本。

    推荐理由:作者用一台 GTX 1660 Ti 真机复现了 CUDA 版本误判的完整排查过程,给出按显卡算力、驱动上限和官方源可用轮子选择 CUDA 版本的可迁移方法。