搜索[Agent运行时]结果-低调大师优秀个人博客

精选列表

搜索[Agent运行时]，共10000篇文章

Strands 开源组装好的 Agent harness，同模型下 token 省 28%

很多开发者的 AI Agent 依赖 Claude Code 或 Codex 这类开箱即用的 harness——本地一跑顺畅得很。

2026-09-28

当 Agent 真正开始“干活”，我们敢把系统交给它吗？

# 过去一年，大家谈论 AI Agent，关注的往往是它能不能写代码、调用工具、完成任务。但当 Agent 真的开始在系统里执行命令，问题就变了： # 它写出来的代码，谁来运行？

2026-09-28

Agent 搜索工具怎么选？拆解 AnySearch 的核心能力与落地路径

2026 年，AI Agent 正在从演示走向生产。越来越多的开发者把模型能力接入自动化工作流，让智能体完成调研、编码、尽调、分析等任务。但一个经常被忽视的环节是：Agent 拿到的信息本身是否可靠。

2026-09-28

降SpringAI阿里第12掌-时乘六龙-分身多Agent

但系统一直是「一个 Agent 干所有事」。到了这一掌，运营要把数字人拆成三个角色：主接待 Agent、项目知识 Agent、业务查询 Agent。

2026-09-28

《WorkBuddy 实战蓝皮书》系列的第六篇：多 Agent 篇

** ## 三、多 Agent 的真相：不是角色越多越好看到这里你可能想：那我堆 20 个 Agent，岂不是上天？打住。蓝皮书第 24 章泼了盆冷水。

2026-09-27

GEO日志观测实操：用User-Agent追踪AI爬虫访问

## GEO日志观测实操：用User-Agent追踪AI爬虫访问这篇条目讲一件事：怎么从服务器访问日志里，按 User-Agent 把 GPTBot、Google-Extended、博查搜索 Bot

2026-09-23

云上 Agent 跨部门架构：租户边界、事件隔离与灰度迁移

一个部门的 Agent 试点跑通后，管理层常会问：既然这套流程有效，能不能直接复制到另一个部门？复制程序确实容易，复制业务结果却未必。

2026-09-22

Tool、MCP、Skill 越来越多，Jev 能解决 Agent 路由吗？

--- ## 一、Agent 的问题，开始从“没能力”变成“能力太多” 早期做 Agent，大家最关心的是： > 怎么给模型增加能力？

2026-09-21

Agent Harness 又要多一层？Jev 开始接管这些高频判断

** 这可能会直接影响未来 Agent Harness 的设计。

2026-09-20

DeepSeek 开源的这11个 skill 让你的 Agent 超神

DeepSeek 不只把 Harness 的代码放了出来，连仓库里给 Agent 用的工作规范，也一起摊在了 GitHub 上。一共 11 个 Skill。 !

2026-09-20

极致IT Hermes与Agent工程实战：从产品级落地到架构内核

在AI Agent技术快速演进的浪潮中，Hermes Agent以其独特的架构设计和工程化实践，成为了开源智能体框架中的标杆项目。

2026-09-20

企业 AI 工具上线后，后台显示账号都开通了，培训也做过，员工却继续在群里问人、复制旧模板、手工登记。这个问题常被归因于员工不愿改变，实际更常见的原因是：新工具增加了步骤，却没有减少原流程的责任和风险。以下用销售跟进摘要作为工程示例，不对应真实客户，也不提供使用率或效率统计。重点是怎样判断员工为什么不用，以及怎样把使用行为变成可验证的业务流程。 ## 别先问“为什么不用”，先看任务发生在哪里员工真正开始工作的入口可能是企业微信消息、CRM待办、邮件、表格或客户电话。AI工具如果放在另一个独立网页，员工要复制内容、切换窗口、选择模板、再把结果贴回原系统。哪怕生成速度很快，整条任务仍然变长。先画出一次真实任务的触发点、输入来源、判断动作、输出去向和责任人。标记员工在哪一步离开原系统，在哪一步需要重新录入，哪一步仍要承担结果责任。使用障碍通常会落到具体动作，而不是态度标签。 ![图位01-员工使用AI前的阻力检查清单](https://developer.qcloudimg.com/http-save/yehe-11439120/e4f46d183337647c171252c7d8a3dd79.jpg) ## 能生成内容，不等于能完成工作销售跟进摘要可能写得流畅，但员工还要确认客户身份、核对承诺、选择跟进阶段、写回CRM并通知负责人。AI只完成了中间一小段，最后的业务责任仍在员工身上。因此验收不能只看生成次数。更有用的指标包括：一次任务是否从原入口完成，员工改了哪些字段，结果是否写回业务系统，异常是否有人接管，重复录入是否减少。生成了但没有进入业务结果，应归为“输出未采用”，不能算完成。企业智能化流程评估需要区分“模型输出”和“业务完成”。这能避免团队把调用量增长误认为业务已经改变，也能看见工具把工作转移给了哪个岗位。 ## 员工不信任结果时，需要证据而不是口号要求员工“相信AI”没有验收意义。摘要需要显示来源消息和时间，知识答案需要引用版本，分类建议需要列出触发规则，系统写入需要返回业务回执。员工能快速核对，才可能在真实任务中使用。证据也不能无限堆叠。把十页模型推理过程交给员工，会增加新的阅读负担。应根据动作风险提供最少必要证据：低风险摘要显示来源，高风险审批显示字段变化、规则和人工确认。出现错误后，反馈入口要落到具体任务。员工应能选择事实错误、资料过期、权限不足、格式不适用或业务规则不符，并保留原输入、输出版本和修改结果。只有一句“效果不好”，开发团队无法复现。 ## 把使用率拆成四个不同问题第一类是没看见：入口离任务太远，员工根本想不起来使用。第二类是不会用：操作和适用范围不清楚。第三类是不敢用：结果没有证据，出错责任却由员工承担。第四类是用了没省事：还要复制、核对和重复录入。四类问题对应不同修复。入口问题需要嵌入现有工作台；不会用需要任务级示例；不敢用需要证据、权限和人工接管；没省事需要系统对接和写回。统一再做一次培训，通常只能覆盖其中一类。统计也要保留分母。已触发多少符合条件的任务，多少展示了AI建议，多少被员工打开，多少被采用，多少修改后采用，多少完成业务写回。只有“月活人数”看不出流程在哪一步流失。 ## 从一条任务建立反馈回路 ![图位02-从任务触发到反馈改进的闭环](https://developer.qcloudimg.com/http-save/yehe-11439120/581248685e3fd11503f2c3b815bc15ca.png) 选择高频、规则相对稳定、结果可核验的一类任务。让AI在原入口出现，默认带入上下文，输出同时提供必要证据。员工采用、修改或拒绝时，记录原因；业务结果写回后，再把反馈用于资料、规则或界面调整。每轮只改变一个主要变量。例如先解决入口，再看采用率；再增加来源引用，观察修改原因是否变化；最后接入受限写回。一次同时改提示词、模型、界面和流程，结果变好也无法判断原因。反馈不能直接训练成“员工点了采用就是正确”。员工可能为了赶时间接受错误结果，也可能因为责任规则不清拒绝正确建议。抽样复核、业务回执和后续结果需要一起看。 ## 管理者要同步调整责任边界员工被要求对AI输出承担全部责任，却没有拒绝权、修改权或异常入口，自然会回到熟悉流程。明确哪些动作只是建议，哪些允许自动写入，哪些必须人工确认，错误后由谁处理，使用行为才有稳定预期。绩效指标也不能只奖励使用次数。为了达标而重复点击，会制造虚假活跃。更合理的是观察经过核验的任务完成、返工原因、人工接管和异常恢复，并把不适用场景视为流程信息，而不是员工抵触。采用链路评估会把任务入口、证据、反馈原因、写回和责任人放进同一张表，用于判断问题出在模型、资料、界面、系统连接还是管理规则。 ## 上线后的两周先验证这些检查员工是否能从原入口完成任务；AI是否自动获得必要上下文；每个结论是否有适量证据；采用、修改和拒绝是否留下结构化原因；业务结果是否写回；异常是否进入明确队列；权限撤销后旧任务是否停止。如果其中任何一项不清楚，继续扩大员工范围只会放大问题。先让一类任务真正少一次切换、少一次录入、少一次猜测，并且结果可查，再扩展到更多岗位和系统。员工愿不愿意使用，最终取决于新流程是否真的帮助他完成工作。 ## 云上技术路线 ```mermaid flowchart LR A[任务事件] --> B[采用事件网关] B --> C[事件流] C --> D[状态投影] D --> E[业务写回适配器] E --> F[业务系统] F --> G[回执核验器] G --> C C --> H[反馈归因服务] ``` 天远大数据在该采用事件契约中保留 `task_id`、`event_id`、`stage`、`reason_code`、`suggestion_version`、`idempotency_key` 和 `business_receipt`，使展示、采用和业务完成成为可分别验证的工程事实。 ```json { "event_id": "evt-18", "task_id": "followup-7", "stage": "modified", "reason_code": "SOURCE_OUTDATED", "suggestion_version": "v3", "business_receipt": null } ``` 状态投影可以重建漏斗，原始事件追加保存。消息重复按event_id去重，业务写回按idempotency_key约束。写回成功但回执丢失时先查询远端；查询仍未知则进入人工队列。 ## 失败恢复与测试边界测试矩阵覆盖重复与乱序事件、建议版本变化、人工同时修改、写回超时、回执丢失、反馈原因缺失和跨版本恢复。采用不代表正确，仍需业务核验；未展示任务不能进入拒绝率分母。示例不包含真实员工监控数据，生产环境还需满足权限、脱敏和保留期限要求。

2026-09-19

Agent Loop 深度解析：从 ReAct 到生产级循环的工程内核

# 摘要 Agent Loop 是 AI Agent 的心脏。它不是简单的 `while True` 调 LLM，而是由**推理、行动、观察、状态更新、终止判定**五个环节组成的闭环控制系统。

2026-09-19

从零创建一个带权限闸门的 Claude Code Agent

> 本文 ops-agent 的真实构建过程为线索，完整讲解如何设计并实现一个"默认只读、高风险操作需授权、可回滚、全审计"的 Claude Code 运维 Agent。

2026-09-19

AI搜索工具推荐2026：面向AI Agent的搜索API横向对比

AI 搜索工具的格局：为什么 Agent 需要专门的搜索基础设施 AI Agent、RAG 系统、自动化工作流正在成为主流应用形态，但它们的"眼睛"——

2026-09-18

云上 Agent 系统接入架构：分层网关、状态迁移与扩展边界

企业决定做 Agent 以后，下一句话往往是：“先接 CRM，还是先接知识库、工单和审批？”如果按系统知名度排序，很容易把首期项目做成一串接口工程。

2026-09-17

CLI一键采集，使用Python搭建TikTok电商爬虫Agent

下面可以免费试用scraper APIs，搭建一个小小的agent，挺好玩的 https://get.brightdata.com/webscra

2026-09-16

Hermes Agent v0.15 发布——不是一次简单的更新

5 月 28 日，Hermes Agent 发布了 v0.15.0 正式版，代号 "The Velocity Release"。

2026-09-15

让 Agent 搭建行情中心：DolphinX 数据接入自动化实践

Agent 不只是理解“我要什么数据”，还能进一步完成建库建表、流引擎配置、数据订阅与落库等具体操作。

2026-09-15

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

Strands 开源组装好的 Agent harness，同模型下 token 省 28%

当 Agent 真正开始“干活”，我们敢把系统交给它吗？

Agent 搜索工具怎么选？拆解 AnySearch 的核心能力与落地路径

降SpringAI阿里第12掌-时乘六龙-分身多Agent

《WorkBuddy 实战蓝皮书》系列的第六篇：多 Agent 篇

你很需要的教训/经验/知识自提取工具——Agent-kb

GEO日志观测实操：用User-Agent追踪AI爬虫访问

云上 Agent 跨部门架构：租户边界、事件隔离与灰度迁移

Tool、MCP、Skill 越来越多，Jev 能解决 Agent 路由吗？

Agent Harness 又要多一层？Jev 开始接管这些高频判断

DeepSeek 开源的这11个 skill 让你的 Agent 超神

极致IT Hermes与Agent工程实战：从产品级落地到架构内核

云上 Agent 采用链路：事件追踪、反馈归因与业务写回

Agent Loop 深度解析：从 ReAct 到生产级循环的工程内核

从零创建一个带权限闸门的 Claude Code Agent

AI搜索工具推荐2026：面向AI Agent的搜索API横向对比

云上 Agent 系统接入架构：分层网关、状态迁移与扩展边界

CLI一键采集，使用Python搭建TikTok电商爬虫Agent

Hermes Agent v0.15 发布——不是一次简单的更新

让 Agent 搭建行情中心：DolphinX 数据接入自动化实践

资源下载

Mario

Nacos

Spring

Sublime Text

欢迎您来访！