Agent 相关技术文章（第4页）

php mysql shell go vue css api接口对接支付接口对接

cloudwego/eino：用 Go 写 LLM Agent，从 ChatModelAgent 到图编排与中断恢复

cloudwego/eino：用 Go 写 LLM Agent，从 ChatModelAgent 到图编排与中断恢复
2026-09-07 21:33:38
介绍 cloudwego/eino：Go 生态的 LLM 应用开发框架（Apache-2.0）。讲清 ChatModelAgent、DeepAgent、compose 图编排、流式处理、回调切面与 human-in-the-loop 中断恢复这几块能干什么、适合什么场景，附上手代码与官方/组件/示例仓库链接。
Go LLM Agent cloudwego eino AI框架 langchain

agent 驱动的开发流程：捕获与承诺分离，验证容量才是瓶颈

agent 驱动的开发流程：捕获与承诺分离，验证容量才是瓶颈
2026-09-07 19:13:14
agent 实现变便宜后瓶颈移到人的评审：捕获与承诺分离、可执行规格、按验证容量限并发、发现不进活动范围。闲置的 agent 比没人能审的 PR 便宜。
AI agent 敏捷工程管理

AI agent 成本指南说每月 200 美元，我的只花了 5 美元

AI agent 成本指南说每月 200 美元，我的只花了 5 美元
2026-09-07 19:13:13
个人 agent 舰队两个月账单不足 5 美元：无服务器编排、按 agent 路由七家 provider、付费模型当例外。含 429 余额与节流区分、静默失效与调度丢失的实战排查。
AI agent 成本 GitHub Actions

KVMem：把百万 token 的 agent 工作区虚拟化到消费级 GPU 上

KVMem：把百万 token 的 agent 工作区虚拟化到消费级 GPU 上
2026-09-07 18:12:29
arXiv 新作：把 agent 工作区历史作为分页 KV 状态跨显存/内存/磁盘换页，避免摘要丢证据与重复预填充。面向消费级 GPU 的长会话 agent 部署。
AI 大模型 KV cache agent

2026 年 agent 间（A2A）市场全景：协议、provider 与 consumer 构建指南

2026 年 agent 间（A2A）市场全景：协议、provider 与 consumer 构建指南
2026-09-07 18:12:28
A2A 市场是发现+支付层：x402/JSON-RPC WS/GraphQL/IPFS 四协议对比，FastAPI + x402-py 的 provider 构建全代码，consumer 支付失败重试要点与上线前三件事。
AI agent API 支付微服务

Blume：把编码 agent 的纠正变成规则、hooks 和 skills

Blume：把编码 agent 的纠正变成规则、hooks 和 skills
2026-09-07 18:12:26
agent drift 的修法：从会话历史提取纠正、挫败、轻推三类信号，聚类过阈值后提议规则/hook/skill，人工批准才写入。等复现防噪音，兼修 CLAUDE.md 上下文膨胀。
AI agent 开发工具开源项目

TDD 在 agent 循环里：真实价值，还是表演？

TDD 在 agent 循环里：真实价值，还是表演？
2026-09-07 18:12:22
Thoughtworks 实验：让编码 agent 完全在循环里遵循 TDD，产出质量与非 TDD 无明显差异甚至略差。根因是 agent 不做前置完整设计。附逐条检验 TDD 目标与变异测试建议。
TDD AI编程 agent 工程实践

用 Claude 的 harness 跑其他 3 个模型：同一个句号，三种行为

用 Claude 的 harness 跑其他 3 个模型：同一个句号，三种行为
2026-09-07 16:36:31
同一输入一个句号，喂给 bare 模型、原生 Codex 与完整 Claude 运行时：问候、索要任务、项目维护三种不同结果。结论是行为由环绕运行时塑造，harness 本身是行为的一部分。
AI agent 模型运行时工程实践

从 prompt 到 paycheck：把 LLM 链接入真实外包平台

从 prompt 到 paycheck：把 LLM 链接入真实外包平台
2026-09-07 14:19:45
自主 agent 在外包平台赚钱的实现拆解：划定技能边界、prompt 模板加 LLM 链、webhook 接入平台、x402 协议用 USDC 结算。含完整 Python 代码与限流、token、存储等工程要点。
AI agent LLM 自动化 API

把工单系统变成 agent 开发实验场：一次真实的工程实验

把工单系统变成 agent 开发实验场：一次真实的工程实验
2026-09-07 14:19:43
自托管工单系统 Lutions 如何长成 agent 开发实验场：agent 在成熟代码库需要理解约定、规则与证据而非只改文件。核心结论是上下文、显式检查与评审角色才是人与 agent 的工作接口。
AI agent 工程实践开发流程

让 agent 自己收钱：HTTP 402 + 链上 USDC 微支付的 API 架构

让 agent 自己收钱：HTTP 402 + 链上 USDC 微支付的 API 架构
2026-09-07 13:13:24
自主 AI agent 的变现方案：HTTP 402 支付工作流桥接标准 Web 与去中心化结算，Base 链上 USDC 微支付（低 gas、约 2 秒出块、价格稳定），Cloudflare Workers 用 viem 链上验证防双花。
AI agent 支付 Web3 API

什么时候不该把 agent 托管在免费推理上：一份拒绝协议

什么时候不该把 agent 托管在免费推理上：一份拒绝协议
2026-09-07 12:13:57
免费推理是沙箱不是地基。任务卡、预检门、工具代理三件套在调用前和运行中都执行拒绝：数据类、工具、输出目标、SLA、假设策略任一越界即 REFUSE，退出标准自动化可查。
AI agent 安全工程实践

合并前的盲重放：agent 补丁只有能在干净环境里重现才可合入

合并前的盲重放：agent 补丁只有能在干净环境里重现才可合入
2026-09-07 12:13:57
agent 生成的补丁若只活在聊天会话里就不该合并。文章给出盲重放协议：简报+重放清单+机械门三件套，让第二个无记忆环境重现补丁并通过既有测试，才是可合入的证据。
AI 代码评审 agent 测试

EU AI Act 关键条款生效在即：agent 系统要满足哪些技术要求

EU AI Act 关键条款生效在即：agent 系统要满足哪些技术要求
2026-09-07 11:18:37
EU AI Act 覆盖所有 AI 系统包括 agent：第 9/10/12/13/14/15/72 条分别要求风险管理、数据治理、事件日志、可解释性、人工监督、准确度与上市后监控，本文逐条拆解可落地的技术要求。
合规 AI agent 监管

多 agent 可观测性：为什么单条 trace 不够用

多 agent 可观测性：为什么单条 trace 不够用
2026-09-07 11:18:35
多 agent 系统的故障大多藏在协调层而非单步执行：75.17% 是静默灰错误、责任归因准确率仅 53.5%。文章拆解上下文丢失与 trace 碎片化机制，给出应串联的六类信号与共享状态层方案。
AI 可观测性 agent 追踪

Gemini 3.8 Flash 与 3.8 Flash Cyber 发布：更强的推理编码与网络安全模型

Gemini 3.8 Flash 与 3.8 Flash Cyber 发布：更强的推理编码与网络安全模型
2026-09-07 07:12:42
Google 发布 Gemini 3.8 Flash（六周内第三个 Flash，最强推理编码模型，DeepSWE 超大多数更大前沿模型）与 3.8 Flash Cyber（漏洞发现成功率超 70%、修补达前沿的网络安全模型），定价不变。
Google Gemini 大模型 AI编码网络安全 Agent

GitHub Copilot 如何让 AI 编码更省成本：四项减少无效工作的优化

GitHub Copilot 如何让 AI 编码更省成本：四项减少无效工作的优化
2026-09-07 06:13:24
GitHub Copilot 通过选择性输出压缩、移除行号格式、元提示压缩和后台结果直接交付四项优化降低 AI 编码成本，核心是跨完整任务衡量效率而非单次 token 数，附离线评估与在线实验方法。
GitHub Copilot AI编码 Agent 成本优化提示词工程

Deno 推出 Claw Patrol：面向 AI 代理的开源安全防火墙

Deno 推出 Claw Patrol：面向 AI 代理的开源安全防火墙
2026-09-07 00:14:42
Deno 官方推出开源项目 Claw Patrol，在 AI 代理与外部工具之间插入安全层，通过策略引擎检查每个工具调用并决定允许/拒绝/修改/要求审批，支持声明式策略定义、人工与自动审批、完整审计日志、多维度异常检测和细粒度速率限制，解决 AI 代理生产环境授权的安全困境。
Deno Claw Patrol AI安全 Agent 安全防火墙开源 DevOps Kubernetes

解读 AI 编程新术语：Loops、Harnesses、Squads、Hill Climbing 等概念全解析

解读 AI 编程新术语：Loops、Harnesses、Squads、Hill Climbing 等概念全解析
2026-09-07 00:14:42
系统解读 AI 编程领域涌现的新术语：Loop 循环、Harness 框架、Squad 多代理协作、Hill Climbing 爬山法等，阐明各自的技术原理、实际应用和相互关系，帮助开发者理解 AI 编程从代码补全到自主代理的技术演进。
AI编程 LLM Agent Loop Harness Squad GitHub Copilot 开发工具

为什么 Token 价格下降了 75%，你的 AI 账单却翻了三倍

为什么 Token 价格下降了 75%，你的 AI 账单却翻了三倍
2026-09-06 15:14:58
Elastic博客探讨矛盾现象：LLM Token价格过去一年下降约75%，但许多企业AI账单增长了2-3倍。根本原因：使用量爆炸式增长（更多用户、更多用例、更频繁调用、更长上下文）；Agent多步骤工作流（一个任务5-10次LLM调用，消耗是简单问答10-100倍）；上下文膨胀（RAG检索、对话历史、工具结果、系统提示词）；输出Token高成本（价格是输入2-5倍）；模型选择不当（用大模型处理简单任务）；缺乏成本监控和治理。成本控制策略：细粒度监控、优化上下文、模型路由、优化Agent设计、缓存批处理、建立治理流程。综合优化可降低AI账单50%以上。
AI成本 Token价格 LLM 成本优化 Agent 上下文工程模型路由成本治理

Agent 循环工程：从核心循环到验证、评估循环的分层设计

Agent 循环工程：从核心循环到验证、评估循环的分层设计
2026-09-06 14:11:02
LangChain团队系统阐述Agent循环工程方法论。核心Agent循环只是起点：模型在循环中调用工具直到任务完成。验证循环在Agent完成后检查输出质量，不满足标准则重新执行，适合代码生成、文档检查、安全合规。评估循环是离线的持续改进，收集生产轨迹、评估性能、识别改进点、更新配置。规划循环将复杂任务分解为子任务并支持动态重规划。反思循环让Agent从经验中学习并存储到记忆。设计原则：每个循环有明确职责、循环间有清晰接口、可观测性是关键、从简单开始逐步叠加。LangChain和LangSmith提供实现原语和工具。
Agent 循环工程 LangChain 验证循环评估循环规划循环反思循环 AI Agent

LangGraph v0.1 稳定版发布：为构建可靠的 Agent 应用提供精确控制

LangGraph v0.1 稳定版发布：为构建可靠的 Agent 应用提供精确控制
2026-09-06 12:12:23
LangChain团队发布LangGraph v0.1稳定版和LangGraph Cloud封闭测试。LangGraph是独立于langchain包的Agent和多Agent应用框架，核心设计哲学是在Agent工作流中添加精确控制。使用图结构作为核心抽象：节点代表函数操作、边代表转换（支持条件边）、状态在执行中传递更新。核心特性包括有状态图执行、条件边和循环、检查点和持久化、流式输出、多Agent支持。LangGraph Cloud提供可扩展部署、容错恢复、持久化存储和监控。Klarna、Replit、Ally、Elastic等公司已采用。代表从通用Agent到定制工作流的转变。
LangGraph LangChain Agent 多Agent 图结构状态机检查点 AI框架

Anthropic 官方开源 Claude Skills 集合：从文档处理到 MCP 生成的可复用技能库

Anthropic 官方开源 Claude Skills 集合：从文档处理到 MCP 生成的可复用技能库
2026-09-06 08:51:44
Anthropic在GitHub开源了Claude的Skills实现集合，包含创意、技术、企业工作流等多种可复用技能文件夹。每个技能自包含，核心是SKILL.md指令和元数据。仓库特别包含驱动Claude文档功能的底层技能（docx/pdf/pptx/xlsx），展示了Claude如何处理Word、PDF、PPT、Excel文件。多数技能采用Apache 2.0协议，可自由使用修改，是学习Agent Skills设计模式的参考资源。
Anthropic Claude Skills Agent 开源 Apache 2.0 MCP 文档处理

从 Prompt Engineering 到 AI Engineering：构建可靠 AI 功能的工程范式

从 Prompt Engineering 到 AI Engineering：构建可靠 AI 功能的工程范式
2026-09-06 06:18:23
AI应用开发正经历范式转变：从单纯的提示词工程转向AI工程。文章指出，写提示词在简单低风险场景有效，但生产环境面临上下文管理、工具使用、变更验证、故障调试、输出验证、自主权边界等工程问题。AI工程是软件工程、MLOps、分布式系统、安全、测试、平台工程的组合，核心实践包括上下文工程、评估框架、可观测性、输出验证、容错降级、安全治理，以及RAG、Agent、流水线等架构模式。
AI工程 Prompt Engineering LLM RAG Agent MLOps 可观测性评估框架

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调