Agents 201: The Unit Shrank
文章探讨了 AI Agent 架构的演变。作者认为传统的单体 Agent 因 Token 成本过高和缺乏专业化而失效，基本单元应从“Agent”转变为更小的“Worker”。文章介绍了由 Worker、Function 和 Trigger 组成的全新编排模型，实现了更高效的模块化开发、灵活的架构模式以及安全运行时。
全部文档 / 标签: LLM
1041 篇
你用的中转到底是怎么运行的？
本文深度拆解了 AI API 中转服务的运行原理，以开源网关 new-api 为例，详细阐述了从请求诞生到结果返回的全链路。文章涵盖了路由、鉴权、分发、转换、计费及容错等核心机制，并解析了渠道选择算法、流式传输及适配器模式等底层技术，揭示了中转站如何实现省钱、省事且稳定的 AI 服务调用。
Agent 开发的惨痛教训：移除封装，拥抱原生
文章阐述了 Agent 开发中的“惨痛教训”：不应过度封装 LLM 及其工具。作者指出，通过提供最小化的辅助脚本（如 CDP 接口）和 SKILL.md，让 LLM 直接访问底层能力，能够显著提升其自主解决问题的能力。这种“自愈循环”机制使得 Agent 能在遇到缺失功能时自动编写代码修复，无需人工预设复杂的中间层。
Hermes 微信接入保姆级教程：零基础实操手册
本文是一份详细的 Hermes 微信接入教程，专为小白用户设计。文章基于 Ubuntu 环境，详细介绍了从准备微信小号、安装依赖包、扫码绑定、配置文件修改到最终启动 AI 助手的全过程。作者强调无需编程基础，只需按步骤操作即可将 Hermes Agent 接入微信，实现拥有分层记忆的私人 AI 助理。
如何构建深度研究系统：超越 OpenAI 的开源方案
文章介绍了如何构建一个完全开源、可本地部署的深度研究系统。该系统由 Onyx（检索层）、CrewAI（编排层）和 Voxtral（语音层）组成。通过三阶段执行流程、自适应策略和六阶段检索管道，Onyx 在 DeepResearch Bench 排名第一，超越了 OpenAI 和 Gemini。文章强调了数据隐私的重要性，并详细拆解了实现高质量自我托管研究的架构细节。
Cat Wu：AI 产品经理到底应该干什么？
本文是 Anthropic Claude Code 负责人 Cat Wu 的访谈记录。她指出 AI 时代 PM 的核心不再是制定长周期路线图，而是缩短从想法到交付的周期。她分享了 Anthropic 如何通过 Research Preview 机制实现“一天一功能”的发布节奏，并探讨了技术背景与产品品味在 AI 原生产品中的重要性。
将 Hermes 代理转变为 OpenRouter 专家
本文介绍了如何将 Hermes 代理框架与 OpenRouter 集成，通过自定义技能让 Hermes 学习 OpenRouter 文档和 Agent SDK。教程涵盖了环境配置、技能提示词编写以及测试验证，旨在构建一个具备长期记忆、多模型路由能力且能自我进化的智能编码助手。
全网最详细的AI学习路线图
文章由物理转行AI的大厂工程师撰写，针对AI自学者常见的盲目学习问题，提出先明确目标（算法或工程）和形式（写论文或做项目）的两大核心问题。作者指出2026年AI领域论文供给过剩，建议大多数人转向以工程落地为主的学习路径。文章详细拆解了传统机器学习、CV、NLP/LLM、推荐系统四大工业界方向，并结合数据分析了就业市场需求。最后，作者提倡使用“三三制”项目驱动法和“Vibe Coding”配合费曼学习法的高效学习策略。
为 Agent 而设计：交互模式的新演变
文章探讨了在 AI Agent 兴起的背景下，软件交互模式的根本性转变。作者指出，虽然 UI 不会完全消失，但 80% 的交互将转向 Agent。文章以 Salesforce、Notion 和 Ramp 为例，阐述了企业应如何通过提供明确规范、建立反馈机制以及处理上下文差异来设计适应 Agent 时代的软件。
在 Obsidian 中利用 Claude Code 构建 JARVIS 第二大脑
文章详细介绍了如何结合 Obsidian 和 Claude Code 构建一个类似 JARVIS 的智能系统。该系统通过特定的文件夹架构、Templater/Dataview 插件以及自定义的 CLAUDE.md 配置文件，实现对笔记的自动归档、灵感关联、内容大纲生成及代写，从而打造一个能够预测用户需求的自动化第二大脑与内容生产流水线。
LLM的低垂果实摘完了：MIT评出2026年最该关注的10个AI趋势
MIT Technology Review 发布 2026 年 AI 趋势榜单，指出“低垂果实已摘完”，讨论重心从能力边界转向权力边界。榜单涵盖人形机器人数据、LLM+、世界模型等技术演进，也涉及 AI 诈骗、军事化、Deepfake 武器化等社会风险，以及中国开源、AI 科学家和反 AI 运动等地缘政治议题，强调 AI 发展面临的结构性变化。
The Definitive Guide to Harness Engineering
本文介绍了软件工程的新支柱——Harness Engineering（挽具工程），将其定义为一种通过系统化约束和引导，将 AI 模型转化为可靠、可控的“精英表现者”的工程哲学。文章提出了 R.E.S.T 框架来评估生产级 Agent 系统，并阐述了从“执行者”到“架构师”的工程师角色转变，以及如何通过工程化的“硬约束”解决 AI 系统的随机性与可靠性问题。
技能图谱 2.0：基于原子、分子和化合物的技能组合新思维
文章探讨了如何通过“原子、分子、化合物”的层级结构来更有效地组合技能，从而提升 AI Agent 工作的杠杆率。作者指出，直接链接技能（技能图谱）在依赖关系复杂时会导致不可靠性。新的方法论建议将技能分层：原子级技能提供确定性工作流，分子级技能解决具体问题，化合物级技能则赋予 Agent 高度自主权。通过在高层级驱动 Agent，人类可以用相同的脑力负载管理 100 倍的工作量。
Hermes Agent工作流：利用顶级Newsletter构建AI第二大脑
文章介绍了一套完整的Hermes Agent工作流，旨在解决AI学习中的信息过载问题。作者提倡摒弃低质的二手信息，转而订阅The Rundown、TLDR AI等高质量Newsletter作为信息源。通过配置网易ClawEmail专属邮箱和mail-cli工具，让Agent自动接收、筛选并编译Newsletter内容。核心在于利用LLM Wiki技术将信息转化为互相关联的知识图谱，并通过Agent辅助进行深度思考和文章输出，从而构建个人专属的AI第二大脑。
Multi-Agents 实战：什么真正有效？
文章回顾了作者在十个月前关于 Multi-Agent 系统的观点，并结合 Cognition 公司（Devin）在最近的实践经验，探讨了多智能体系统在工程实践中的实际应用。重点介绍了从“Prompt Engineering”到“Context Engineering”的转变，以及单线程写入、多线程智能辅助的协作模式。文章通过“Code-Review-Loop”案例，分析了独立上下文在代码审查中的有效性，指出模型通过消除上下文噪音和注意力分散，能更敏锐地发现逻辑错误和安全漏洞。
GPT Image 2 发布首日：社区总结的 6 大核心技巧与 5 个实战 Prompt
OpenAI 发布 GPT Image 2 仅 24 小时，LMArena 评分暴涨 250 点。作者利用 /last30days 工具汇总了社区关于新模型的发现。关键技巧包括：切换至 GPT-5.4 Thinking 模式以获得更好效果、使用双引号强制精确文字渲染、利用像素参数控制宽高比以及优化 Prompt 顺序。文章还展示了由 AI 生成的 UI 界面、杂志封面、品牌 VI、静物摄影及角色一致性测试的 5 个高质量案例，并附带了详细的 Prompt。
GLM-5.1、Qwen 3.6 Max 与 Kimi 2.6 国产大模型横向评测与选型指南
文章对 2026 年上半年三款国产旗舰大模型（智谱 GLM-5.1、阿里 Qwen 3.6 Max、月之暗面 Kimi 2.6）进行了深度横向对比。分析涵盖核心技术参数、能力评测及商业定价，指出各模型分别在自主编程、通用全能与长文本协作领域的优势，并针对不同业务场景提供了具体的技术选型建议。
如何真正防止 Agent 重复犯错：Skillify 实践指南
本文批评了 LangChain 等框架虽有工具但缺乏工作流，导致 AI Agent 测试困难。作者提出“Skillify”模式：通过构建包含确定性代码和单元测试的 Skill（技能），将潜在的 LLM 推理转化为确定性的工具调用。文章以日历查询和时区计算为例，展示了如何利用“薄框架、厚技能”架构，永久修复 Agent 的重复性错误。
How to Master Prompt Engineering at an Expert Level
本文指出在2026年，AI交互的质量瓶颈不在于模型本身，而在于提示词。文章将提示词工程定义为一项高价值技能，并详细介绍了从基础到专家级的全套方法论。核心内容包括专家提示词的六大要素（角色、上下文、任务、格式、约束、质量标准），XML标签等结构化技巧，以及链接式提示、自我修正循环、动机性约束和多视角分析等高级策略。文章旨在通过系统化的训练，帮助读者显著提升AI输出的质量。
Kimi K2.6 与 Ollama、OpenClaw：构建高效 AI 工作流的新实践
文章探讨了将 Kimi K2.6 模型与 Ollama 及 OpenClaw 结合使用的优势。Ollama 简化了模型的本地运行与部署，降低了技术门槛；OpenClaw 则提供了实用的执行层，将模型能力转化为结构化的工作流，使其超越了简单的聊天机器人。这种组合不仅减少了配置摩擦，还通过本地化的灵活性支持了自动化、编程辅助等复杂任务，使 AI 系统更具实用价值。
The Ultimate Guide to Prompting AI Agents: The 3 C's Framework
本文介绍了作者针对 AI Agent 提示的 '3 C' 框架：Context（上下文）、Constraints（约束）和 Composition（结构）。与 Chatbot 不同，Agent 需要详尽的上下文而非简短的指令，通过具体的验证步骤（如自检代码、截图确认）作为约束来确保质量，并需要明确的交付格式以引导其思维。文章提供了具体的对比案例和可复用的提示词模板，旨在帮助用户编写高质量的指令简报。
Hermes Agent 完全上手指南：会自己进化的 AI Agent
这是一份关于 Hermes Agent 的深度上手教程。文章介绍了 Hermes 相比 OpenClaw 的核心优势：具备自我进化能力，能从任务中自动创建和优化 Skills，以及拥有强大的 SQLite 全文搜索记忆系统。教程涵盖从环境准备、安装配置、基础对话，到进阶的消息网关配置、定时任务、记忆训练，再到高级的 MCP 服务器集成、多 Profile 管理、浏览器自动化及语音交互等 15 个实践任务，帮助用户全面掌握这一开源 AI Agent 框架。
火山方舟 vs 阿里百炼｜Coding Plan 实测对比报告
本文对比了字节火山方舟与阿里百炼两大平台的 Coding Plan API 服务性能。通过 270 次请求测试，从响应速度、吞吐量（TTS）和稳定性三个维度，对包括 GLM、Kimi、DeepSeek 等主力模型进行了评估。结果显示，对于相同的旧版本模型，阿里百炼在速度上完胜；而字节方舟在模型更新速度（如 k2.6）和覆盖广度上更具优势。
深度扩展视角：Looped LLM 与 Claude Mythos 架构解析
本文深入探讨了 Looped LLM（循环大语言模型）的演进及其在 Claude Mythos 中的潜在应用。作者从字节跳动实习期间的研究出发，分析了循环架构在多跳推理任务上的优势，并指出 Anthropic 新发布的 Mythos 在 GraphWalk BFS 基准上的异常提升可能与底层状态跟踪能力有关。文章进一步探讨了将 Looped LLM 扩展至大规模应用时面临的“三道门槛”：深度稳定性（借鉴 RNN/SSM 理论解决梯度问题）、推理效率（结合 Diffusion Forcing 和 YOCO 优化并行度）以及单位 FLOPs 的有效性，强调了在算力预算有限时架构选择的重要性。
Karpathy-Inspired CLAUDE.md: 30秒快速集成指南
文章介绍了由 Forrest Chang 基于 Andrej Karpathy 观点开发的行为配置文件 CLAUDE.md。该文件针对 AI 编码代理的三大痛点（静默错误假设、过度复杂化、正交破坏）提出了四项核心原则：先思考后编码、简洁优先、外科手术式修改、目标驱动执行。文章详细解析了这 65 行代码的规则逻辑，并提供了通过 curl 命令在 30 秒内集成到现有项目，或通过插件形式全局安装的具体方法。
Looped LLM 与深度缩放：解析 Claude Mythos 的架构演变
文章基于作者在 ByteDance Seed 的研究经历，探讨了 Looped LLM 架构的起源与演进。作者通过分析 Anthropic 发布的 Claude Mythos 在 GraphWalk BFS 基准上的异常表现，指出 Looped 架构在多跳推理和状态追踪上的优势。文章进一步深入讨论了 Looped LLM 在扩展至 10T/100T 规模时面临的深度稳定性、推理效率和 FLOPs 有效性的三大挑战，并对比了 RNN 视角与 Parallel Looped Transformer 等解决方案。
Claude Design：加速想法探索与迭代的工具
文章探讨了在 AI 时代软件制造的迅速变化，提出设计师的核心任务是回答“什么值得制造”。作者介绍了新工具 Claude Design，通过 HTML 渲染、统一格式和系统化设计，显著缩短了从想法到原型的时间。该工具虽不能完全替代传统设计流程，但极大提升了团队协作效率。
Google 推出 Deep Research Max：下一代自主研究 Agent
Google 发布了 Deep Research 和 Deep Research Max 两种新的自主研究 Agent，旨在通过 Interactions API 为开发者提供企业级的研究能力。这些 Agent 集成了 Gemini 3.1 Pro，支持混合网络与专有数据，具备原生图表生成、MCP 协议支持及多模态研究功能，致力于为金融和生命科学等领域提供高性价比的专业级分析报告。
安卓手机运行 Hermes Agent 教程
本文详细介绍了如何在安卓手机上通过 Termux 安装并运行 Hermes Agent。文章提供了 F-Droid 下载链接及一键安装与手动安装两种方式，涵盖了环境配置、API Key 设置及常见报错解决方案。同时分析了手机端支持的图片语音交互、文件读写等核心功能，并指出了暂不支持 Docker 和后台持久化等限制。
3 Highly Useful Hermes Skills
本文介绍了 AI Agent Hermes 的三个核心应用场景：获取并分析 X (Twitter) 洞察、自动化整理 X 书签以及基于外部记忆的自我反思。作者分享了使用 Hermes 提升学习与生产力的实践经验，包括利用 X API、Browser Harness 及 Hindsight 等工具的具体配置，同时也提及了关于 Token 成本管理、模型选择及安全隐私（如 API 权限）的踩坑记录与实用建议。
