AGENT 5种最常用的代理技能设计模式 通过研究整个生态系统中技能的构建方式——从 Anthropic 的代码库到 Vercel 和 Google 的内部指南——我们发现了五种反复出现的设计模式,可以帮助开发者构建智能体。
AGENT 仿autoresearch改进代理技能 我借鉴了Andrej Karpathy的autoresearch方法,并将其转化为一项可在 Claude Code 和 Cowork 中运行的技能。我只需将其应用于我设置中的任何其他技能即可。
AGENT DeepFlow:可组合智能体框架 AutoGen vs. LangGraph vs. CrewAI vs. 字节跳动的DeerFlow vs. Anthropic——以及一个金融Agent来证明,可组合的基础设施最重要。
AGENT OpenClaw: Mac mini vs. 云托管? 如果你正在构建个人AI代理或为你研究事物、编写代码、爬取网页或自动化小工作流的工具,那么困扰你的主要问题可能是:这些到底应该在哪里运行。
AGENT 智能体 Harness 就是架构 我的假设:Agent harness 工程——上下文管理、工具选择、错误恢复和状态持久化的设计——是 agent 可靠性的主要决定因素,而不是模型能力。在能力阈值之上,改进 harness 比更换模型能产生更好的回报。
AGENT 用Gws+Valyu实现晨报自动化 结合Google的Workspace CLI(代理技能)和Valyu的DeepSearch技能,构建一个AI代理,该代理可以通过一次API调用研究36+数据源中的任何主题,将格式化的报告写入Google文档,通过电子邮件发送给您,并保存到您设置的您选择的Google云端硬盘,按您设置的时间表运行。