12步打造拥有持久记忆的自我进化Claude智能体
本文详细介绍了如何通过12个步骤为Claude智能体构建四层记忆架构：利用内置记忆功能、创建Project作为固定工作流、编写动态增减的持久化记忆文件，以及配置Dreaming自我迭代机制。文章指出，只有结合长期偏好存储与任务模式总结，才能让Agent跨越会话限制，从单次执行的“金鱼”进化为持续自我优化的虚拟员工。
技术 / Agent
1848 篇
用 Claude 构建贝莱德前高管论文中的 50 智能体投资组合系统
文章介绍了基于贝莱德前高管 Andrew Ang 的论文，作者利用 Claude AI 构建了一个简化版的多智能体投资系统。原系统通过 50 个智能体分五层协作，涵盖宏观分析、资产估值、组合构建及同行评审。作者提取了核心逻辑，构建了包含宏观、资产分析和对抗性挑战者的三智能体版本。测试显示，该架构能有效消除人类偏差，在保持收益的同时显著降低回撤风险。
如何使用 Claude 构建你的首个 AI 团队（完整教程）
这是一篇关于如何不写代码、仅利用 Claude 的 Cowork 功能构建 AI Agent 的完整教程。文章首先澄清了 AI Agent 与普通聊天机器人的区别，指出构建 Agent 是目前高价值的技能。随后，教程将 Agent 拆解为角色、指令、工具和记忆四个核心组件，并以“内容研究 Agent”为例，手把手演示了从定义角色到测试优化的全过程。最后，文章展示了如何将多个具有不同角色的 Agent（如研究员、大纲师、撰稿人）组合成一个高效的“内容生产团队”，实现工作流自动化。
OpenHuman 横空出世：下一代个人 AI 助手的七个应用场景
文章介绍了开源 AI 助手 OpenHuman，旨在解决现有 Agent 缺乏持续上下文的问题。作为个人的“记忆”和“执行者”，OpenHuman 通过集成 Gmail、GitHub、Notion 等工具，将碎片化的数字生活转化为结构化的项目记忆。文章详细阐述了其在邮件整理、会议记录、素材积累、开发辅助、学习轨迹、团队协作及生活提醒等七个场景中的应用，并探讨了本地化隐私保护的重要性。
Agent Memory Framework: Remember, Cite, Forget
本文提出了一个智能体记忆系统的可靠框架，该框架需同时完成三个核心任务：记住该记的、引用可信的、遗忘过期的。文章详细介绍了记忆的六个层级（如会话状态、项目记忆、索引检索等），阐述了如何通过权威排序解决冲突，并强调了通过硬过期、双时序或软衰减等机制让旧记忆失效的重要性。
如何构建 AI 操作系统与自主工作流
文章探讨了从单一 AI 工具向 AI 操作系统的范式转变。AI 操作系统不仅仅是一个模型或聊天机器人，而是一个位于人与软件之间的智能编排层，包含智能层、记忆层、工具层、代理层、编排层和反馈层六大核心架构。文章详细介绍了如何通过从单一工作流入手、拆分专业角色、建立共享记忆和连接外部工具来构建这一系统，从而将软件从“使用”的对象转变为协同运作的伙伴。
腾讯开源 AI Agent 运行时系统 TencentDB Agent Memory
文章深度解析了腾讯开源的 TencentDB Agent Memory 系统。不同于市面上的“向量数据库+RAG”方案，该系统旨在解决长任务中的“上下文退化”问题。其核心创新在于短期压缩（Offload 机制）与长期记忆（四层流水线）的结合，通过三层回溯、任务图动态压缩及结构化记忆提取，有效管理了 Agent 的上下文窗口与记忆生命周期。
Base44冲到1.5亿ARR后，OPC的天花板被重新打开了
本文分析了 Base44 以 8000 万美金被收购并达到 1.5 亿美金 ARR 的案例。作者指出，Base44 的成功并非单纯依靠“一人公司”的爽文叙事，而是通过 AI 极大压缩了从想法到产品的交付链路。文章探讨了 OPC（一人公司）的本质不是人数少，而是核心创始人对完整业务链路的掌控力，并建议普通人利用 AI 找到能压缩的具体流程，从内部小工具做起，跑通闭环后再寻求扩张。
使用 Fireworks Agent 自动化 LLM 微调全流程
本文介绍了如何利用 Fireworks Agent 实现 LLM 微调（SFT）的全自动化。文章以 Andrej Karpathy 的“个人 LLM Wiki”理念为引，阐述了将知识注入模型权重比单纯依赖上下文窗口更高效。通过 Fireworks Agent，作者展示了从数据集检查、超参数搜索、模型训练到部署推理的完整闭环，无需人工干预繁琐步骤，仅需少量 GPU 时间和极低成本，即可训练出具有特定输出风格（如 Wiki 摘要风格）的模型，为构建自我进化的 Agent 铺平了道路。
Deep Agents 新功能：为 AI 代理添加解释器
Deep Agents 推出了嵌入式解释器功能，允许 AI 在循环内编写和执行代码。它介于单次工具调用和完整沙箱之间，提供了受限的运行时环境。通过显式桥接外部能力，它能更安全、可预测地处理中间状态和复杂逻辑，提升代理的上下文管理能力。
No .md files until Series B：为何生产级 Agent 需要真正的内存层
文章以一个垂直 Agent 创业公司因使用 Markdown 文件管理内存而导致架构崩溃的真实案例为引子，深入探讨了在构建生产级、多用户、多 Agent 系统时，简单文件存储无法解决的五大核心难题：细粒度权限控制、并发写入冲突、时态查询准确性、可追溯的自我改进机制，以及海量数据的检索效率。作者指出，虽然 MD 文件适合早期原型，但一旦系统规模扩大，开发者往往会不自觉地重新发明数据库，这实际上是倒退。
AI的万亿美元盲点：静态网站
文章指出，尽管各大公司都在产品中嵌入 AI，但作为用户第一接触点的落地页却仍是旧时代的静态页面。这种“千篇一律”的界面无法适应用户语境，导致转化率低。随着 AI 搜索引擎接管了最初的“发现”环节，用户访问官网是为了验证而非探索。作者认为，未来属于对话式、可实时生成的动态界面，这将是一个比搜索和社交更大的市场机会。
赋予AI显意识与潜意识：Mercury的第二层大脑架构
文章探讨了当前AI Agent在记忆管理上的短板，指出单纯扩大上下文窗口并不等同于真正的记忆。作者提出了Mercury的“第二大脑”架构，通过模拟“显意识”（活跃任务）和“潜意识”（休眠记忆）的双层记忆机制，解决了Agent长期运行的连续性问题。该架构结合了看板管理、Git工作流及权限控制，旨在将AI从简单的对话机器人进化为具备长期记忆和任务持久化能力的操作系统。
从第一性原理构建 Agent：环境、行动与强化学习
本文旨在从第一性原理出发探讨如何构建和训练 AI Agent。文章批评了过度依赖框架的教程，转而从底层构建了一个极简的“文本转图表”Agent。作者通过 Python 实现了一个包含 Canvas 环境的系统，深入解析了 Agent 如何通过 JSON 动作空间与环境交互，阐述了从监督微调（SFT）到强化学习（RL）的完整闭环，即“提示-行动-环境-奖励-梯度更新”，揭示了模型学习可执行指令逻辑的核心机制。
X API + Hermes via xurl skill 完整配置指南
本文详细介绍如何将开源 AI Agent Hermes 与 X API 结合使用。通过安装 xurl 技能，用户可以在终端通过自然语言控制 X 账号，实现发帖、搜索、管理书签、回复等操作。文章涵盖了从安装 Hermes、配置 xAI Grok 模型、安装 xurl CLI 到完成 OAuth 认证的全过程。
xAPI 教程2: 制作推特监听Bot
本文介绍了如何利用 xAPI、Agent 和 Telegram 无代码构建一个推特监听 Bot。教程涵盖了从获取推文、编写去重及推送脚本，到配置 Telegram 通知和定时任务的全过程，实现了自动追踪特定账号（如 Elon Musk）并实时推送到手机的功能。
10万 Star开源库 agency-agents 详解：给AI装上专家团队
文章深入解读了 GitHub 上的热门开源库 agency-agents。它并非独立的 AI 应用或平台，而是一套“AI 专家角色模板库”（Prompt 模板）。其核心价值在于将 AI 的角色标准化，通过定义前端、后端、产品经理等不同“工牌”，解决通用 AI 角色不稳定的问题。该库支持 Claude Code、Cursor 等多种工具，将 AI 从“泛泛聊天”转变为“专业干活”，是理解 Agent 工作流设计的优秀案例。
LangSmith Engine 构建详解：利用 Agent 优化 Agent
文章详细介绍了 LangSmith Engine 的技术架构与实现细节。Engine 是一个构建在 LangSmith 平台之上的元 Agent，旨在解决大规模 Agent 部署中的调试难题。它能够自动分析海量 Traces，识别如工具循环调用、参数错误等重复性失败模式，并将其转化为具体的“问题”，进而建议评估器、数据集示例或代码修复方案。
让定时 Agent 仅输出 HTML 的实践
作者分享了将 Agent 输出格式从纯 Markdown 调整为“Markdown 源文件 + HTML 报告”组合的实践经验。通过在 X Manager 项目中测试，发现 HTML 渲染仅增加 51ms 延迟，却显著降低了阅读长文本的认知负担。文章提出了一套清晰的交付契约：Markdown 作为机器处理的数据源，HTML 作为人类阅读的审查界面，聊天工具仅保留极简摘要。
OpenClaw 终于有了一个能打的对手：Hermes Engine 全平台实测+迁移指南
本文深入评测了新兴的 AI Agent 引擎 Hermes Engine，视其为 OpenClaw 的强力替代品。文章指出 Hermes 在稳定性、记忆持久化和进度可视化方面显著优于 OpenClaw，且完美兼容 OpenClaw 的技能生态。详细提供了 Linux/Mac/Windows 全平台安装教程、数据迁移方法及 Telegram Bot 集成指南，推荐搭配 Google AI Studio 的免费 Gemma 模型使用。
自主智能体的技术栈：实现市场化交易的信任、市场与控制平面
文章探讨了自主智能体从生成式工具转变为真正资产类别的关键技术堆栈。作者指出，智能体若要进入市场并有效交易，必须建立超越单纯“智能”的基础设施。文章提出了由信任平面（身份、发现、声誉）、市场平面（定价、结算、流动性）和控制平面（授权、合规、协调）构成的十层架构。文中重点分析了 ERC-8004 标准在建立链上身份和互操作性方面的作用，并详细阐述了身份验证、能力注册和声誉追踪这三个信任层级目前存在的缺失与未来的解决方案。
Hermes 社区最让人头皮发麻的 10 个故事：从自己赚钱到自我进化
文章精选了 Hermes Agent 社区中最震撼的 10 个用户故事，展示了 AI 从单纯的工具向具有自主进化能力的转变。案例包括利用天气交易自学赚钱的机器人、离线环境下自主安装软件创作视觉小说、以及趁机器空闲时自我进化的 Dream Auto。这些故事表明，AI 已具备自主发现工具、优化工作流甚至反向教导人类的能力，标志着 Agent 技术进入了无需人工干预即可自我迭代的新阶段。
ActiveGraph: 长期运行 Agent 的连续性架构层
文章作者 Yohei 提出了 ActiveGraph 的概念，旨在解决长期运行 AI Agent 的状态连续性问题。作者回顾了 BabyAGI 的发展历程，指出当前 Agent 系统主要围绕“反应”构建，缺乏持续的状态管理。ActiveGraph 试图将任务、记忆、决策、证据等所有状态视为一个共享的演化图，从而实现 Agent 的持久化、自我修正和逻辑追溯，适用于需要严格推理过程的企业级场景。
企业 AI 落地实战：王老虎分享会干货整理
文章记录了 AIBC 共赢社首场闭门分享会，主讲人王老虎分享了企业 AI 落地的实战经验。核心观点包括：市场与业务理解优于技术；客户需分层服务；代码贬值，Skill 成为新的资产与商业变现点；以及在 ToB 服务中，真正的护城河是基于交付建立的信任关系。文章还探讨了 Skill 定价逻辑、复利模式及未来政策趋势。
OpenAI、Anthropic 都开始押注 FDE，FDE 才是 Agent 时代的 PMF 范式？
OpenAI、Anthropic 和 Google 在 2026 年不约而同地押注 FDE（前置部署工程师），成立专门的部署公司或大规模招聘。文章深入分析了 FDE 的起源、为何成为 Agent 时代的刚需，以及它是否真的是 PMF 范式。FDE 通过驻场解决 AI 落地难题，但也面临掩盖产品缺陷和利润率挑战的风险。
AI Native Workforce：Helio 实测与 Agent 编排新范式
文章对比了传统 Agent 编排工具（如 Claude Code、OpenClaw）的高配置门槛，介绍了 Helio 这款将 AI 融入 IM 的产品。Helio 降低了使用门槛，提供开箱即用的 AI 团队模板，并将 AI 视为系统中的“一等公民”。作者通过“内容流水线”和“SaaS 产品研发”两个实测场景，展示了 Helio 多 Agent 自动协作的能力，认为其“AI Native Workforce”的理念为解决 AI 配置复杂度提供了新思路。
软件的工业化时代：从应用堆栈到Agent供应链
文章基于对SaaStr大会及美国湾区的深度考察，指出软件产业正迎来“工业化”变革。未来格局将由当前企业采购大量应用的“集市”模式，转向少数超级Agent入口加“无头”供应商的深度供应链模式。随着Agent降低交易成本，垂直SaaS可能沦为被调用的组件，而像汽车工业一样，提供单点功能的软件供应商将迎来巨大的历史机遇。
企业级 Agent 构建指南：Deep Research 原理与多 Agent 架构
本文详细解析了企业级 AI Agent 的构建方法，重点在于通过多 Agent 系统解决复杂任务。文章从 Agent 的核心定义出发，区分了 Workflow 与 Agent 的适用场景，并深入探讨了多 Agent 系统的编排模式、上下文管理及信息传递机制。作者以 Deep Research 为例，拆解了其工作原理与架构设计，强调了在 AI 变现中做定制化项目的价值。
打造睡眠中自动运行的动漫工厂：月入8000美元的AI全链路实践
本文详细拆解了如何利用 Claude、Midjourney、Runway、ElevenLabs、Suno 和 Make 六款工具，构建一个全自动化的AI动漫内容生产流水线。该系统通过自动生成剧本、角色、动画、配音和音乐，并在 YouTube 等平台发布，实现了月入超过 8000 美元的被动收入。
如何构建 AI 语音代理：全流程指南
文章揭示了构建语音代理的核心要素：并非追求最强模型，而是建立低延迟的实时管道。作者阐述了三种主流架构，并详细拆解了链条式流程中 STT（听力）、LLM（大脑）、TTS（嘴巴）、检索（记忆）与执行（手）这五个关键组件的选型、调优与避坑指南，强调对话设计的重要性。
