三省六部幻觉：为何虚拟公司式多Agent架构在工程上不成立
文章批判了将多个AI Agent拟人化为“产品经理”、“工程师”等角色进行流水线协作的“三省六部”架构。作者指出该模式忽视了LLM无专业壁垒的特性，导致推理过程在传递中衰减。通过对比Anthropic、OpenAI和Google的工程实践，文章提出真正的多Agent架构应依赖显式状态文件、并行搜索而非线性分工，并强调保持推理链连续性比角色扮演更重要。
全部文档 / 标签: agent
2252 篇
编写 Agent Skills 的 8 个技巧
本文是 Philipp Schmid 关于如何编写高效 AI Agent Skills（技能）的实用指南。文章指出技能虽然灵活但难以掌握，并提出了 8 个核心建议：明确技能定义（能力型 vs 偏好型）、精确描述触发条件、编写指令而非冗长文章、保持内容精简、给予 Agent 适当的自由度而非死板的步骤、定义负向触发条件、通过多轮测试评估效果，以及当模型能力提升时及时淘汰冗余技能。
AI多智能体应用将助推区块链支付崛起
文章探讨了AI多智能体系统（Multi-Agent System）与区块链结合的必然趋势。作者指出，多智能体组织的高频、微小、跨主体及自动化执行特性，使得传统银行支付体系难以胜任，而区块链的可编程性、智能合约及实时结算能力完美匹配这一需求。这种结合不仅将大幅提升资源配置效率，还能防止科技巨头垄断，为普通人创造新的收入模式，构建全新的AI经济形态。
进阶教程：让Hermes和OpenClaw在Telegram群协作，实现bot-tobot
本文介绍了如何利用Telegram新的Bot-to-Bot能力，让Hermes和OpenClaw两个Agent在同一群组中协作。文章详细讲解了从创建专用Planner Bot、配置权限、接入本地服务，到制定协作规则和验证连通性的完整流程，并展示了互传技能、联合审稿等实际应用场景。
全网最完整AI科研终极指南：10大核心步骤与7天速成法
本文是一份详尽的AI科研实战指南，旨在通过Agent和AI工具链解决科研中的低效重复问题。文章系统阐述了从工具选择、期刊定位到投稿发表的10大核心步骤，并重点介绍了Cursor和Claude Code在代码开发与写作中的应用，以及Skill系统的集成方法。作者提供了详细的期刊评估量化指标和7天时间分配建议，帮助新手在极短时间内完成高质量论文。
While 循环谁都会写，上下文工程才是真功夫
本文深入探讨了 Agent 开发的核心——上下文工程。文章指出，虽然 Agent 的骨架是 LLM 加工具和循环，但决定其质量的关键在于如何管理每次循环中传给 LLM 的信息。作者通过分析 LLM 的无记忆特性、工具调用机制以及上下文窗口限制，阐述了优化系统提示词、工具描述和对话历史的重要性。结论是：Agent 工程的本质是上下文工程，代码骨架易写，但上下文的设计与调优才是核心能力。
用好Agent最重要的技巧：约束先行
本文提出了使用 Agent 时最重要的原则——“约束先行”。作者通过个人实践总结出，在使用 Claude Code 等 Agent 时，应建立类似“宪法”的约束体系：包括全局原则、项目级规范和具体设计文档。通过构建从上至下的规则系统，可以避免文件管理混乱，显著提升 Agent 的工作效率和智能水平。这不仅是 Prompt 技巧，更是类似于公司治理和城市规划的系统工程方法论。
B端AI落地的唯一路径：MCP
文章指出B端AI落地的核心在于数据接入。传统RAG方案因信任和延迟问题受限，AI生成查询又难以满足B端对高稳定性（99%+）的要求。作者认为，通过MCP（模型上下文协议）实现本地部署，利用标准化接口和参数化模板，是解决数据主权、降低成本并确保业务稳定性的最佳方案。
构建永不遗忘的智能体：从基础到向量与图谱混合记忆方案
文章深入探讨了LLM智能体的“记忆”难题，指出单纯增加上下文窗口无法解决“迷失在中间”效应及会话遗忘问题。作者基于认知科学框架，分析了从Python列表、Markdown文件到向量检索各阶段的局限性，强调构建兼具持久化、语义理解和关系推理能力的记忆层至关重要，最终引入了一个能够整合向量、图谱和关系存储的开源解决方案。
不懂 Harness Engineering，你所谓的 AI 转型只是在浪费预算
文章探讨了 Harness Engineering 的概念，即通过设计环境、设定标准和建立反馈来构建 AI 的工程环境，从而将 AI 从简单的聊天工具转化为能持续工作的生产力。文章对比了 OpenAI 和 Anthropic 的不同实践路径，并以 VergeX 为例，阐述了 Harness 在 AI 交易中的具体应用，包括工具调用、上下文管理、架构约束和反馈循环四大核心模块。
从SEO到GEO，从流量到Agent，真正的变化才刚刚开始
本文记录了国内第一届GEO（生成式引擎优化）主题大会的核心内容。12位来自GEO和AI领域的专家分享了从传统SEO向GEO转型的趋势、技术策略及商业实践。文章深入探讨了AI时代的品牌可见性、To Agent的新产品形态、以及构建事实资产与可信分发体系的重要性，指出GEO是进入AI新商业秩序的第一张门票。
同步阻塞 vs 异步编排：Hermes Delegate 与 OpenClaw 多 Agent 机制深度实战对比
文章深入对比了 Hermes 的 delegate_task 机制与 OpenClaw 的 subagent 系统。Hermes 采用同步阻塞模式，类似“总承包商”，强隔离且 Token 效率高，适合并行执行独立任务；OpenClaw 则采用异步事件驱动模式，支持动态引导（Steer）和复杂编排，灵活性更强。文章分析了两者的架构差异、通信模式及安全机制，并提出了混合架构实践及 Hermes 的改进方向。
Hermes Agent 从入门到精通：25 个致命坑避坑实战指南
本文是一份详尽的 Hermes Agent 使用避坑指南，旨在帮助新手和资深开发者解决在安装、配置、模型接入及多 Agent 协作中遇到的常见问题。文章总结了 25 个典型的“致命坑”，涵盖 Windows 环境兼容性、WSL 配置、API 接入报错、模型行为控制、记忆管理以及权限安全等核心领域，提供了具体的排查步骤与解决方案，能有效减少用户在调试和部署上浪费的时间。
你的安全带，你的记忆
文章由 LangChain 创始人 Harrison Chase 撰写，指出代理框架（安全带）已成为构建智能体的主流方式且不会消失。核心观点在于：框架与代理的记忆紧密相连。若使用封闭框架或专有 API，开发者将失去对记忆的控制权，导致严重的供应商锁定效应。文章强调记忆对于个性化体验和数据飞 wheel 的重要性，呼吁开发者使用开源、模型无关的开放框架，以真正拥有并控制属于用户的长期记忆数据。
Hermes-Agent vs 自建OpenClaw Harness：Agent操作系统的记忆与架构实战对比
文章基于 Harness Engineering 三大支柱（评估闭环、架构约束、记忆治理），深度对比了 Nous Research 的 Hermes-Agent 与作者基于 OpenClaw 自建的 MemOS 系统。Hermes 主打“有界热记忆 + CLI 优先”，适合个人快速启动；自建方案则采用“无界记忆 + Hook 机制强制捕获”，实现多 Agent 协作与权限隔离，适合团队长期积累。
我用半年踩坑验证了 Harness Engineering 的三个维度
作者 Leo 结合半年使用 Claude Code 的实战经验，验证了 OpenAI、Cursor 和 Anthropic 提出的 Harness Engineering 三个核心维度：交互维度（通过 CLAUDE.md 传递知识）、空间维度（利用 worktree 隔离防止 Agent 并行冲突）和时间维度（应对长 session 中的上下文退化）。文章总结了个人构建 AI 工作流的落地经验。
Codepilot 保姆级入门攻略：安装、配置与功能全解析
本文介绍了开源 Agent 客户端 Codepilot 的保姆级入门攻略。文章详细讲解了软件在 Mac、Windows、Linux 平台的安装过程，以及如何配置国产模型（如智谱）、Anthropic 三方 API、Claude Code、OpenAI 和 Ollama 本地模型等服务商。此外，还涵盖了项目制聊天、Skills 与 MCP 插件安装、CLI 工具管理等特色功能的使用方法。
12个开源项目，4条技术路线：Agent记忆系统完整选型指南
针对 LLM 无状态导致的“失忆”痛点，文章深入探讨了当前 Agent 记忆系统的四条主流技术路线：纯文件存储、向量数据库+RAG、知识图谱及混合检索。文章梳理了从轻量级 hooks 集成到企业级独立平台的 12 个开源项目，涵盖 claude-memory-compiler、agentmemory、Hermes Agent 等代表性工具，并提供了针对不同用户阶段（新手、个人开发者、团队、企业）的选型建议。作者指出，未来的核心竞争将集中在“如何遗忘”、“保证正确性”和“控制成本”三个维度。
Cerul：给 Agent 一双懂视频的眼睛
作者发布了视频搜索工具 Cerul，旨在填补 AI 看不见视频内容的盲区。不同于传统工具仅匹配字幕，Cerul 能索引画面、语音和文字语义。受 Tavily 收购启发，作者定位其为 Agent 的视觉能力提供者，支持 Claude Code 等多种 Agent 快速检索视频片段并生成带时间戳的调研报告。
用“女娲”Skill 蒸馏 Crypto 大佬交易人格，Agent 竞技场实战复盘
作者利用“女娲”Skill 将 Wintermute 创始人、Dragonfly 合伙人和 3AC 联合创始人的交易人格蒸馏为 AI Agent，并在同一交易竞技场进行 150 天回测与实盘。实验发现，蒸馏出的策略差异巨大，不仅复刻了真人的交易风格，也保留了其弱点，展示了 AI 在量化交易中的人格化应用潜力。
AIFUT大会Day1上午场总结：罗振宇、张鹏等嘉宾畅谈AI技术与未来
本文是 AIFUT 大会第一日上午场的精彩内容回顾。作者记录了王磊关于城市 AI 化的思考，罗振宇关于“人类只需告诉 AI 要什么”的观点，张鹏对适合 Agent 的大模型定义的探讨，以及谷大白话关于 AI 教育创新的分享等。文章不仅涵盖了产业、技术、教育等多维度的干货，还传达了在 AI 时代保持好奇心与想象力的重要性。
Hermes Agent 从 0 到 1 教程
本文介绍了由 Nous Research 开源的自改进 AI Agent 框架——Hermes。该框架的核心优势在于内置的学习循环和持久记忆系统，能够自动从经验中提炼可复用的 Skill 并构建用户模型。文章提供了快速安装指南，详细解析了其多层记忆、Skills 系统、内置工具及多实例支持等特性，并将其与 OpenClaw 进行了对比，旨在帮助用户从 OpenClaw 迁移或快速上手 Hermes。
使用 OpenClaw 在本地运行 Gemma 4 的三个步骤
文章介绍了如何简单快速地在本地运行 Gemma 4 模型。主要步骤包括安装 Ollama、下载 Gemma 4 26B A4B 模型，以及通过 Ollama 启动 OpenClaw 并使用 Gemma 4 作为后端。该过程被描述为简单快捷，适合在几分钟内完成本地代理的部署。
10大我希望早点知道的Claude code使用技巧
本文总结了作者半年多使用 Claude Code 的经验，分享了10个提升效率的使用技巧。内容涵盖三种启动方式（可视化、命令行特定历史、自动化无UI）、运行时的三个核心技巧（优雅终止回退、不离开窗口执行命令、上下文管理），以及通过 Superpowers、语音输入和窗口管理工具（Cmux、Vibe Island）来解决人机协同中的效率瓶颈，旨在帮助程序员实现丝滑的 AI 编程体验。
Hermes、Claude Code 与 OpenClaw 的区别对比
本文对比分析了近期热门的 Hermes Agent 与 Claude Code、OpenClaw 的区别。Hermes Agent 是一个轻量级、可自我学习的通用 Agent，定位介于三者之间。与 Claude Code 相比，它不绑定 IDE，支持多平台和 18+ 模型；与 OpenClaw 相比，它采用独特的“有限记忆”哲学和自学习循环机制，能自动沉淀个人技能笔记，更适合个人开发者私有化部署。
Mitchell Hashimoto 与 AI 工程演进：从聊天机器人到 Harness Engineering
文章详细介绍了 Terraform 之父 Mitchell Hashimoto 的 AI 工程实践六个阶段，从早期的聊天窗口尝试，到最终实现后台常驻 Agent 的愿景。核心亮点在于第五阶段提出的“Harness Engineering”（工程约束），即通过系统性设计（如 AGENTS.md 和验证工具）来防止 Agent 重复犯错。文章结合 Anthropic 和 OpenAI 的行业案例，指出工程师的核心技能正从手写代码转向设计 Agent 的运行约束环境。
我如何在 OpenClaw 上打造了一个比我雇过的任何人都强的幕僚长
作者分享了利用 OpenClaw 构建全能 AI 幕僚长“Stella”的实战经验。系统核心在于独特的双层记忆架构（每日笔记+长期记忆）和持续进化的 Kaizen 循环。Stella 能够自动化处理会议准备、任务管理、关系上下文跟踪及信息过滤，通过将确定性逻辑交给脚本、仅让 LLM 负责判断，实现了超越人类助理的效率与可靠性。
从零基础到生产环境掌握人工智能代理——完整指南
这是一份关于构建生产级 AI 智能体的完整指南。文章详细阐述了智能体与聊天机器人的本质区别，涵盖了从工具设计、系统提示词、多智能体编排到生产环境部署、测试评估的全流程。重点介绍了如何利用 API 构建可靠的智能体循环，并指出了初学者常犯的错误及生产环境下的监控与成本控制策略。
今天，我决定把「卡兹克风格创作.skill」开源了
作者宣布开源自己长期使用的内容创作 Skill，并详细阐述了该 Skill 的构建方法、四层自检体系以及迭代流程。文章强调，AI 辅助创作应作为工具加速生产，而非直接生成全文，核心价值在于人类的判断、灵感与情感表达。
Prime Intellect 持续学习系统构建指南
本文介绍了如何利用开源生态系统构建一个持续学习的编码代理系统。作者基于 Prime Intellect 平台和 OpenCode 环境，创建了一套批量增量式在线强化学习流程，通过 Git 快照收集真实交互数据（约 21.8 亿条记录），并在沙箱环境中进行模型训练与部署，旨在实现代码生成的个性化与自我进化。
